随着互联网技术飞速发展,网络视频中用户规模爆发式增长,观看视频内容并对视频进行交流评论成为用户日常生活中的重要部分。在用户对于视频互动方式中,呈现出一种新的交互模式:视频同步评论（弹幕）。视频同步评论呈现方式类似滚动字幕,悬浮在视频画面上,这种互动方式能够极大增强用户的共享观看体验,也为内容提供商和其他决策者（如广告商、投资者、零售商、教育者等）了解即时视频内容和观众的反馈提供了良好的数据支撑。然而,视频同步评论出现的时间较短,相关的探索依然存在许多空白。目前国内外相关研究通常把该文本作为一种普通文本进行分析,没有充分考虑其特性,同时与现实场景结合不够紧密。事实上,视频同步评论文本作为视频内容的补充,包含了对应视频内容中用户的情感观点和理解,能够有效的缓解大规模的图像和视频建模的复杂度,辅助与视频内容相关的分析。此外,视频同步评论具有特有的时间同步属性和语言特性,现有的文本处理技术很难直接应用。因此,借助于视频同步评论的特殊属性进行结构化建模,对于视频内容理解具有重要的研究意义。本文将针对面向视频同步评论文本的结构化算法展开研究,基于视频同步评论的特性设计相应的结构化算法,并进行视频内容理解的应用探索。具体而言,本文将从两方面的内容进行深入研究:（1）基于视频同步评论的内容主题结构化表示。对视频同步评论进行时序建模,探究时序主题结构化方法和时序划分的评论与剧情概要对齐模型。（2）基于视频同步评论的视频角色结构化表示。根据视频同步评论的语言特性进行建模,探究视频同步评论的实体情感和知识抽取算法。本文的工作简要总结如下:（1）视频同步评论主题抽取:针对视频同步评论数据中存在噪声数据干扰、时间依赖性强、主题变化迅速等挑战,提出一种挖掘隐含的主题和关键帧信息算法。实验结果表明,该算法模型在能够在时间维度上提取更加连贯主题,极大提高了主题抽取的质量,在真实场景中具有很大的优越性。深入分析视频同步评论独特的数据形态（如时间特性、情感特性、匿名特性、内容相关性）,使得视频同步评论的研究具有实际的应用价值,为视频同步评论相关的结构化分析提供有力支持。（2）视频同步评论与剧情概要的语义对齐:针对视频中剧情的描述片段与评论语义相关度较低造成的剧情分割建模困难的情况,提出一种联合视频同步评论和剧情概要的对齐模型。模型将视频同步评论和剧情概要分别映射到隐空间并对其计算匹配损失,使模型更容易学习对齐关系。同时,为了防止时间线的错误累计,设计应用动态规划来寻找全局最优输出。实验证明了模型能够极大提升语义结构化对齐的效果,进一步辅助视频同步评论的主题发现语义分割等下游任务。（3）视频同步评论的实体级情感分析:针对视频同步评论中存在的实体情感分布不均衡现象,提出一种实体级别情感结构化方法。为了避免过拟合和减轻偏差,利用预训练模型在语义表征中的先进特性,提出了去偏差模型来建模弹幕文本。通过真实环境构建的大规模实体级弹幕语料库验证了方法的有效性。（4）视频同步评论的知识抽取:针对视频同步评论关系难以限定、存在错误用词以及歧义表达的问题,提出建立开放关系抽取和特定关系抽取的联合抽取框架,增强了内部交互。在视频同步评论知识抽取的过程中,一方面利用句法规则抽取出开放关系;另一方面,设计影视关系类别约束进行融合抽取特征,提出一种针对视频同步评论的影视特定关系抽取方案。模型对弹幕评论文本的句子进行的高维度信息嵌入,利用先进的BERT预训练模型,对视频同步评论标签和实体之间的关系建模,从而辅助建立更广泛的关系集合。在大规模视频同步评论数据上验证了本文方法的有效性。