ANEP：面向新闻视频人名提取的确定性混合框架——IEEE CAI 2026 收录论文解读

马耳他大学研究团队提出ANEP（Accurate Name Extraction Pipeline），这是一个模块化、可解释的人名提取框架，结合YOLOv12目标检测、OCR和NER技术，从新闻视频字幕中自动提取人名。相比黑盒生成式模型，ANEP提供全链路可追溯性，在透明度和可审计性方面具有显著优势，该成果已被IEEE人工智能会议（CAI 2026）收录，并荣获2025年马耳他大学人工智能系最佳毕业设计奖。

随着短视频与传统广电融合，视频新闻内容爆炸式增长，关键信息常以图形叠加层呈现，但字体、颜色、位置等风格多样，人工索引不切实际。用户研究显示59%受访者难以看清快节奏新闻中的人名，影响体验及内容归档、检索、事实核查。现有生成式多模态模型端到端提取信息，但黑盒特性导致错误难以追溯，在新闻领域的不可解释性是严重缺陷。

ANEP核心理念为“确定性透明”，采用四阶段流水线：1.新闻图形检测（基于YOLOv12在自建NGD数据集微调，YOLOv12-medium达95.8% mAP@0.5）；2.光学字符识别（自适应预处理应对噪声、模糊等问题）；3.命名实体识别（Transformer-based NER，支持零样本多语言）；4.人名聚类与时间线生成（合并同一人物的不同称呼变体，生成带时间戳的结构化时间线）。

研究团队将ANEP与Gemini 1.5、LLaMA 4 Maverick对比：Gemini 1.5 F1分数84.18%领先，但黑盒特性无法追溯错误；ANEP F1分数77.08%，精确率79.9%、召回率74.44%达到平衡，且避免生成式模型常见的幻觉问题，更符合新闻领域“宁可漏报不错报”的需求。

ANEP构建新闻图形数据集（NGD），人工标注涵盖传统电视台、社交媒体原生内容等多种来源风格，已开放于Roboflow平台。部署方面提供Web界面（上传视频、查看结果导出）和API接口，支持本地（满足隐私需求）与云端（应对大规模处理）两种模式。

当前ANEP主要支持Python编程语言，多语言支持及复杂图形样式适应性待提升。未来方向包括：扩展多语种新闻内容支持、引入时序信息提升人名关联准确性、探索与生成式模型的混合架构（兼顾可解释性与准确率）、构建交互式反馈机制辅助人工审核。

ANEP重新审视AI系统设计哲学，在新闻、医疗、法律等高风险领域，可解释性和可审计性与准确率同等重要。其模块化架构、全链路可追溯性及无幻觉特性，成为专业媒体机构和事实核查团队的理想工具，将随视频新闻增长发挥更大作用。