近年来,网络社会媒体中分享的文本、图像、视频等信息正在以不可估量的速度增加。尤其是视频分享网站数量的增多,使得用户能够更加方便的上传、管理和分享视频内容。视频分享网站中的视频主要包含两类,一种是上传者自己拍摄的原创视频,另一种是对其他视频处理后再次发布的(例如重新剪辑或是加入新的视频片段、字幕、音频等)。同时,用户还可以根据自己的兴趣评论视频并且打分。因此,海量的视频信息通过上传、评论、传播、重新编辑上传等用户行为“关联”在一起,构成了一个内容复杂、规模庞大的在线社会网络,这个“网络”中蕴含丰富的社会信息,对于洞察、理解网络社会现象中有着重要作用。本文针对互联网视频集,首先通过度量视频内容相似性,建立视频之间的关联关系,构建视频网络。进而,融合与视频相关的发布者、评论者、评论内容等信息,将视频背后的“用户”进行关联,构建话题参与者网络,即在线社会网络,从而将互联网视频数据集蕴含的内容信息、社会信息进行统一的、形式化的建模描述。最后,引入网络分析的方法对构建的网络进行深度分析与挖掘,从中发现有价值的信息。本文工作和研究成果主要包括以下三个方面:(1)视频相似性检测方法提出一种视频相似关键帧检测方法。采用颜色自相关直方图特征,建立FLANN索引,针对非感兴趣的相似视频关键帧,采取了距离验证和后处理过程进行排除,利用传递闭包技术整合数据集中的相似视频关键帧。(2)基于视频内容相似性的社会网络构建本文利用视频相似性检测技术构建加权视频网络和双向加权社会网络;并利用文本倾向性分析判断评论用户与视频发布者之间的关系,建立双向符号社会网络。针对构建的加权社会网络和符号社会网络,本文分别定义了不同的特征指标衡量网络中节点的重要性,并利用复杂网络分析理论提出新的分析符号社会网络的指标。(3)针对重大社会事件的社会网络分析与应用选择具有代表性的重大社会事件,采集构建相关视频和元数据集(包含:用户信息、视频上传时间、评论信息等),进行实证研究。针对构建的视频网络和社会网络,引入网络分析相关方法和指标,深入分析包含相似关键帧视频的统计特性,以及社会网络特性,衡量各个网络节点的重要度,最后根据网络中的重要节点提出事件追踪和数据集约减方法。