随着互联网的迅速发展,非结构化数据呈现指数增长的态势,逐渐成为人们获取信息的主要方式。如何从海量非结构化数据中挖掘出有价值的信息,一直是计算机领域的研究热点。非结构化数据包括电视剧、电影和监控录像等,其中视频信息往往包含了人们感兴趣的人物、事件和场景等,寻找有效的方式进行特定内容的挖掘能够为实际的生产生活提供诸多便利。本文分别基于多视角和深度学习提出了人物社交关系网络的构建方法,主要包括以下两个方面工作。第一,为了利用非结构数据中丰富的信息量,提出了一种基于多视角的人物社交关系网络构建方法,该方法弥补了传统方法利用单一视角构建社交关系网络存在的缺陷,同时结合Spark集群提高了处理效率。通过Fl值和加速比指标,实验结果表明该方法可以构建较为完整的人物社交关系网络。第二,结合深度学习,提出了一种基于视频的人物社交关系网络构建方法SRE-Net(Social Relation Extraction Network)。传统的社交关系网络构建方法,利用监督学习方法进行人物节点的识别,通过抽取每一个关键帧中的信息来抽取人物关系。考虑到近年来深度学习技术在计算机视觉领域展现出的显著优势与潜力,SRE-Net方法引入了深度学习技术,同时借助视频的时序信息和无监督方法提高了社交关系网络构建的准确性和扩展性。通过accuracy、precision、F1等指标,实验结果表明了SRE-Net模型的高效性。