현재 사람들은 소셜미디어를 통해 최신 뉴스를 접하는 것을 선호한다. 이는 비용이 저렴하고 접근이 용이하며 빠르게 확산되기 때문이다. 그러나 이러한 플랫폼은 의도적으로 허위 정보를 포함한 가짜 뉴스나 신뢰할 수 없으며 저품질의 정보를 확산시킬 수 있다. 가짜 뉴스의 확산은 개인과 사회에 부정적인 영향을 미칠 수 있다. 이러한 문제의 심각성을 고려해, 연구자들은 가짜 뉴스가 나타낼 수 있는 패턴과 특징을 식별하고, 게시 전에 가짜 뉴스를 탐지할 수 있는 시스템을 설계하기 위해 최선을 다해왔다. 본 논문에서는 가짜 뉴스 챌린지 1단계(Fake News Challenge stage #1, FNC-1) 데이터셋을 설명하고, FNC-1 데이터셋을 활용해 가짜 뉴스 탐지 시스템을 구축하기 위한 경쟁적 시도들에 대한 개요를 제시한다. 제안된 모델은 FNC-1 데이터셋을 통해 평가되었다. 경쟁용 데이터셋은 전 세계적으로 열린 문제이자 도전 과제로 여겨진다. 본 시스템의 처리 절차는 제목과 본문 컬럼의 텍스트를 다양한 자연어 처리 기법으로 처리하는 것으로 시작된다. 이후 추출된 특징들은 엘보(Elbow) 절단법을 활용해 차원 축소되며, 각 쌍 간의 유사성은 소프트 코사인 유사도(Soft Cosine Similarity) 방법을 통해 측정된다. 이후 새롭게 생성된 특징은 CNN과 DNN 딥러닝 기법에 입력된다. 제안된 시스템은 '불일치'(disagree) 카테고리 제외 모든 카테고리에서 높은 정확도로 탐지가 가능하다. 결과적으로, 시스템은 최대 84.6%의 정확도를 달성하였으며, 이는 해당 데이터셋에 대한 다른 경쟁 연구들에 비해 두 번째 순위에 해당하는 성능이다.