TF-IDF-BASED FAKE NEWS DETECTION IN KAZAKH AND RUSSIAN

2026

Толық мәтін Ашық қол жеткізу: Hybrid Метадеректер (CSL-JSON)
DOI 10.53002/138
Деректер сенімділігі 70 орташа
Бұл баға қалай есептеледі

Ол жазбаның өзінің тексерілетін белгілерінен құралады: мақаланың DOI-і бар ма, оның деректерін қанша тәуелсіз дереккөз растады, міндетті өрістер толтырылған ба және соңғы растау қаншалықты жаңа. Дереккөздер арасындағы алшақтық пен идентификатордың болмауы бағаны төмендетеді. 80-нен бастап мән жазбаның қосымша тексерусіз жарияланғанын, 60-тан 79-ға дейін — оның сенімділігі төмен күйде жарияланғанын және қолмен тексеру ұсынылатынын білдіреді. Редактор қолмен тексерген жазбаны қайта есептеу 90-нан төмен түсірмейді. Бұл — мақаланың өзіне емес, ол туралы деректерімізге берілген баға.

Аңдатпа

Automatic fake news detection has become an important applied problem in natural language processing because digital news and social media content spread rapidly across languages. For Kazakh, the task is especially challenging due to the limited availability of open labeled corpora and the weak adaptation of ready-made models to local media contexts. This paper evaluates classical TF-IDF-based machine learning models on a balanced Kazakh-Russian fake/real dataset of 1,808 texts, with 452 fake and 452 real documents in each language. The experiments include bilingual training, Kazakh-only and Russian-only evaluation, as well as Kazakh-to-Russian and Russian-to-Kazakh transfer. Word-level and character-level TF IDF features are tested with Logistic Regression, Linear SVM, and Complement Naive Bayes. The monolingual and bilingual settings achieved Macro-F1 around 0.985. Cross-lingual evaluation revealed a clear directional asymmetry: Kazakh-to-Russian transfer produced Macro-F1 = 0.654, whereas Russian-to-Kazakh transfer reached Macro-F1 = 0.926. The findings are interpreted as an explainable baseline for Kazakh-Russian fake/real classification rather than as a production-ready fact checking system.