في الوقت الحاضر، يميل الناس إلى متابعة أحدث الأخبار عبر وسائل التواصل الاجتماعي، نظرًا لانخفاض تكلفتها وسهولة الوصول إليها وسرعة انتشارها. ومع ذلك، يمكن أن تنتشر الأخبار الكاذبة أو غير الموثوقة ذات الجودة المنخفضة التي تحتوي عمداً على معلومات خاطئة. وقد يؤدي انتشار الأخبار الزائفة إلى آثار سلبية على الأفراد والمجتمعات. نظرًا لخطورة هذه المشكلة، بذل الباحثون قصارى جهدهم لتحديد الأنماط والخصائص التي قد تُظهرها الأخبار الكاذبة، بهدف تصميم نظام يمكنه الكشف عن الأخبار الزائفة قبل نشرها. في هذه الورقة، قمنا بوصف مجموعة بيانات تحدي الأخبار الكاذبة المرحلة #1 (FNC-1)، وقمنا بتقديم نظرة عامة على الجهود التنافسية المبذولة لبناء نظام كشف الأخبار الكاذبة باستخدام مجموعة بيانات FNC-1. وقد تم تقييم النموذج المقترح باستخدام مجموعة بيانات FNC-1. تُعد هذه المجموعة التنافسية مشكلة مفتوحة وتحديًا عالميًا. يتضمن إجراء النظام معالجة النصوص في أعمدة العنوان والنص الرئيسي باستخدام تقنيات مختلفة لمعالجة اللغة الطبيعية. ثم، يتم تقليل الميزات المستخلصة باستخدام طريقة التقاطع بالكوع (elbow truncated method)، ويتم حساب التشابه بين كل زوج من العناصر باستخدام طريقة التشابه الكوسيني الناعم (soft cosine similarity method). وتُدخل الميزة الجديدة إلى نهجي التعلم العميق CNN وDNN. وقد تمكّن النظام من كشف جميع الفئات بدقة عالية باستثناء الفئة التي تُعبّر عن "ال disagreed" (الرفض). ونتيجة لذلك، حقق النظام دقة تصل إلى 84.6٪، مما يجعله في المرتبة الثانية مقارنة بالدراسات التنافسية الأخرى المتعلقة بهذه المجموعة.