本发明公开了一种基于用户行为的广告点击率预测框架及算法，将ID类特征与其他特征在不同层次上进行联合转换为有意义的数值特征，该特征能降低特征稀疏性和冗余度以及提高特征表达性；同时，为进一步提高特征表达性，本发明利用了GBDT模型进行特征选择与特征组合，利用LR模型来处理高维特征；最后为解决类别不平衡问题，本发明提出了基于K_Means模型的下采样算法。实验过程中，首先对原始特征进行特征提取，然后采用启发式思维进行特征分类，将感性特征输入GBDT模型进行特征组合，最后，将理性特征与组合特征以一定的权值输入LR模型进行广告点击率预测。实验结果表明，本发明算法在RMSE与R2指标上均有改善。