الشائعات تمثل محاولة جماعية لتأويل موقف غامض لكن جذاب من خلال استخدام قوة الكلمات. في الشبكات الاجتماعية، قد تمتلك الشائعات الكاذبة خصائص سياقية مختلفة بشكل ملحوظ عن الشائعات الحقيقية على المستويات اللексية والتركيبية والدلالية. ولهذا، تقدم هذه الدراسة نموذج التعلم شبه المراقب BERT-SAWS للكشف المبكر عن الشائعات باللغة الفارسية، من خلال تحليل السمات القائمة على المحتوى والسياق من ثلاث زوايا: تمثيلات الكلمات السياقية (CWE)، وأفعال الخطاب، ونمط الكتابة (WS). يتم بناء هذا النموذج عن طريق تحميل تمثيل لغوي مسبق التدريب من نوع Bidirectional Encoder Representations from Transformers (BERT) كتمثيل لغوي غير مراقب، ثم تحسينه باستخدام مجموعة بيانات صغيرة من الشائعات الفارسية، ثم دمجه مع نموذج تعلم مراقب لتقديم تمثيل مُثرَّى للمحتوى الخاص بالشائعة. يمكّن هذا التمثيل النصي النموذج من فهم أعمق للغة الشائعة، مما يتيح له التحقق من الشائعات بشكل أفضل من النماذج الأساسية، وذلك لأسباب اثنتين: (أولاً) التحقق المبكر من الشائعات من خلال التركيز على السمات القائمة على المحتوى والسياق الخاصة بالشائعة الأصلية. (ثانياً) التغلب على مشكلة قلة البيانات في الشبكات العصبية العميقة من خلال تحميل BERT المسبق التدريب، وتحسينه باستخدام مجموعة بيانات الشائعات الفارسية، ودمجه مع السمات القائمة على أفعال الخطاب ونمط الكتابة. أظهرت النتائج التجريبية لتطبيق النموذج على مجموعتي بيانات تويتر وتيليغرام أن BERT-SAWS يمكنه رفع أداء المصنف بنسبة تتراوح بين 2% و18%. وهذا يشير إلى أن أفعال الخطاب ونمط الكتابة، إلى جانب المتجهات السياقية الدلالية، تمثل سمات مفيدة في مهمة التحقق من الشائعات.