近年、人々は情報の最新動向をソーシャルメディアを通じて得ることが多くなっている。その理由は、低コストで簡単にアクセスでき、迅速に拡散されるからである。しかし、このようなプラットフォームは、意図的に虚偽の情報を含む偽ニュースや信頼性が低い低品質なニュースの拡散を助長する可能性もある。偽ニュースの広がりは、個人や社会に悪影響を及ぼす可能性がある。こうした問題の深刻さを踏まえ、研究者たちは偽ニュースが示すパターンや特徴を特定し、発信前に偽ニュースを検出できるシステムの構築に努めてきた。本論文では、Fake News Challenge Stage #1（FNC-1）データセットについて説明し、このデータセットを用いた偽ニュース検出システムの構築に向けた競争的アプローチの概要を提示した。提案するモデルはFNC-1データセットを用いて評価された。FNC-1データセットは、世界的にオープンな課題として位置づけられており、多くの研究者にとって挑戦的なテーマである。本システムの処理プロセスは、見出し（headline）と本文（body text）のテキストに対して、異なる自然言語処理（NLP）技術を適用することから始まる。その後、抽出された特徴量は「エルボー断片化法（elbow truncated method）」を用いて次元削減され、ペア間の類似性は「ソフトコサイン類似度法（soft cosine similarity method）」により算出される。得られた新規特徴量は、畳み込みニューラルネットワーク（CNN）および深層ニューラルネットワーク（DNN）という深層学習アプローチに投入される。提案システムは、すべての分類カテゴリにおいて高い精度を達成したが、特に「不同意（disagree）」カテゴリについてはやや精度が低かった。結果として、システム全体の分類精度は最大84.6％に達し、他の競合研究と比較して本データセットにおいて第2位の成績を収めた。