Detailansicht
Extracting facts from news videos
an approach to structuring information for automated fact-checking
Angelika Eva Kapeller
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Informatik
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Medieninformatik
Betreuer*in
Wolfgang Klas
DOI
10.25365/thesis.80900
URN
urn:nbn:at:at-ubw:1-14594.85566.637476-3
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Nachrichtenvideos sind eine wichtige Informationsquelle. Ihre schnelle Verbreitung über digitale Plattformen birgt jedoch das Risiko, Fehlinformationen zu verbreiten, und erfordert daher zuverlässige Methoden automatisierter Faktenchecks. Im Unterschied zu textbasierten Nachrichten vereinen Videos gesprochene Sprache, visuelle Elemente und Metadaten, was eine automatische Analyse erschwert. Diese Masterarbeit präsentiert einen Ansatz zur Extraktion strukturierter Fakten aus Nachrichtenvideos, die in weiterer Folge von Faktencheck-Anwendungen verarbeitet werden können. Die Arbeit gibt einen Überblick über den Stand der Forschung im Bereich des automatisierten Faktencheckens sowie der Extraktion von Informationen. Ein besonderer Fokus liegt dabei auf videobasierten Ansätzen. Der entwickelte Prototyp integriert verschiedene Technologien, darunter den Microsoft Azure Video Indexer zur Analyse von Video- und Audiodaten sowie Methoden der natürlichen Sprachverarbeitung wie Named Entity Recognition und extraktive Textzusammenfassung. Das Ergebnis der Arbeit ist eine Pipeline zur Extraktion von Fakten, die Personen, Organisationen und Ereignisse erkennt und verknüpfte Informationen anhand eines Schemas, basierend auf dem schema.org-Standard, strukturiert. Im Zuge dieser Masterarbeit wurde ein Prototyp implementiert, der das Hochladen von Nachrichtenvideos, deren Verarbeitung sowie die Generierung strukturierter Faktenberichte in maschinenlesbarem Format unterstützt. Die Implementierung kombiniert cloudbasierte und lokale NLP-Komponenten, um eine robuste Extraktion der Fakten zu gewährleisten. Für die Evaluation des Prototyps wurden 31 Nachrichtenvideos des Senders BBC analysiert. Anhand der Ergebnisse konnte festgestellt werden, dass Fakten zu Personen und Ereignissen zuverlässig extrahiert und strukturiert werden. Organisationen wurden vom Prototyp jedoch deutlich schlechter erkannt. Häufige Fehlerquellen konnten bei der Schreibweise von Namen, bei zu unspezifischen oder zu allgemein formulierten Informationen sowie bei unpräzisen Zeitangaben festgestellt werden. Diese Masterarbeit präsentiert einen Ansatz zur automatisierten Extraktion von Fakten aus Nachrichtenvideos. Die Ergebnisse der Evaluierung des Prototyps verdeutlichen, in welchen Bereichen Verbesserungsbedarf besteht. Diese beziehen sich vor allem auf die Verarbeitung von Organisationen, die korrekte Extraktion von Informationseinheiten sowie von Zeitdaten. In Zukunft könnte der Fokus auf der Implementierung zusätzlicher Entitätstypen, der optimierten Validierung extrahierter Werte sowie der Integration weiterer Sprachen und Nachrichtenquellen liegen.
Abstract
(Englisch)
News videos are an important source of information. However, their rapid dissemination via digital platforms is prone to the spread of misinformation and therefore requires reliable automated fact-checking methods. Unlike text-based news, videos combine spoken language, visual overlays, and metadata, making them difficult to analyse automatically. This master’s thesis presents a system for extracting structured facts from news videos to support fact comparison and verification applications. The thesis reviews related work in automated fact-checking and information extraction, with a special focus on video-based approaches. Building on this foundation, the proposed system integrates various technologies, including Microsoft Azure Video Indexer for video and audio analysis, and Natural Language Processing techniques such as Named Entity Recognition and extractive text summarisation. The core of the approach is an entity-based fact extraction system that identifies persons, organisations, and events and organises their properties using a schema based on schema.org standards. A prototype was implemented as a modular fact extraction pipeline. Users can upload news videos, process them through the pipeline, and obtain structured fact reports in machine-readable format. The system integrates cloud-based and local NLP components to ensure robust fact extraction and normalisation. The evaluation used a set of 31 BBC news videos. Results show that the system reliably extracts and structures facts about persons and events, with high accuracy in property assignment. However, the detection and description of organisation entities proved more challenging. Common challenges identified include misspelt names, vague or overly broad property values, and difficulties extracting precise temporal information. In summary, this thesis demonstrates that automated fact extraction from news videos is both technically feasible and useful for structuring unstructured news video content. The prototype’s results highlight areas for further improvement, especially in handling organisation entities, normalising property values, and extracting temporal data. Future work could extend the system to cover more entity types, improve value validation, and support additional languages and news sources.
Schlagwörter
Schlagwörter
(Deutsch)
Informationsextraktion Faktencheck Fact-Checking Nachrichtenvideos Strukturierte Daten
Schlagwörter
(Englisch)
Structured Data Fact-Checking News Videos Information Extraction
Autor*innen
Angelika Eva Kapeller
Haupttitel (Englisch)
Extracting facts from news videos
Hauptuntertitel (Englisch)
an approach to structuring information for automated fact-checking
Publikationsjahr
2026
Umfangsangabe
xv, 92 Seiten : Illustrationen
Sprache
Englisch
Beurteiler*in
Wolfgang Klas
Klassifikation
54 Informatik > 54.99 Informatik. Sonstiges
AC Nummer
AC17836009
Utheses ID
80316
Studienkennzahl
UA | 066 | 935 | |