Przedmiot i cel pracy:: Fałszywe wiadomości i dezinformacja prowadzą do skażenia środowiska informacyjnego. Dlatego w niniejszym artykule zaproponowano metodologię wykrywania fałszywych wiadomości za pomocą połączonych dokładności ważonych siedmiu algorytmów uczenia maszynowego. Materiały i metody:: Artykuł ten wykorzystuje przetwarzanie języka naturalnego do analizy zawartości tekstowej listy próbek wiadomości, a następnie przewiduje, czy są one FAŁSZYWE, czy PRAWDZIWE. Wyniki:: Wykazano, że algorytmiczne podejście do dokładności ważonej zmniejsza nadmierne dopasowanie. Wykazano, że indywidualne działanie różnych algorytmów poprawiło się po wyodrębnieniu danych z serwisów informacyjnych i filtrowaniu danych „jakościowych” przez mechanizm ograniczeń opracowany w eksperymencie. Wnioski:: Model ten różni się od istniejących mechanizmów w tym sensie, że automatyzuje proces doboru algorytmów i jednocześnie bierze pod uwagę działania wszystkich zastosowanych algorytmów, w tym tych mniej wydajnych, zwiększając tym samym średnią dokładność wszystkich dokładności algorytmów.