اخبار جعلی به اطلاعاتی گفته می شود که برای دستکاری یا فریب افکار عمومی جعل یا ساخته شده است. آن موضوعی جدی است که اعتبار منابع اطلاعاتی را تضعیف می کند و بر افکار عمومی، گفتمان و تصمیمات و نتایج مهم تأثیر می گذارد. هنگام شناسایی و طبقه بندی اخبار جعلی باید به محتوا و منبع مقالات و داستان های خبری توجه شود. تشخیص اخبار جعلی یک حوزه تحقیقاتی مهم و فعال با کاربردها و پیامدهای بالقوه فراوان برای جامعه است. چالش های زیادی در تعیین معتبر بودن یک مقاله خبری وجود دارد. چندین مدل یادگیری عمیق که از پردازش زبان طبیعی استفاده می کنند، نتایج بسیار خوبی در تشخیص اخبار جعلی نشان داده اند. برای ارزیابی درستی مقاله های خبری، روش شناسی ما بر اساس مدل های زبانی پیشرفته مبتنی بر ترانسفورماتور است. BERT و RoBERTa از پیشرفته ترین مدل ها هستند. یافته های ما نشان می دهد که مدل BERT به دقت 64٪,دست یافت، در حالی که مدل RoBERTa با دقت 66٪,کمی بهتر از آن بود. این نتایج در مقایسه با تحقیقات مشابه در این حوزه که حداکثر دقت 62% را برای هر دو مدل در مجموعه داده Liar گزارش کردند، به ویژه قابل توجه هستند.