kaz44Вестник Университета Шакарима. Серия технические наукиBulletin of Shakarim University. Technical Sciences2788-79953006-0524«Шәкәрім университеті» КеАҚ10.53360/2788-7995-2026-1(21)-24kaz44-2299Research ArticleАВТОМАТИЗАЦИЯ И ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ (ОРИГИНАЛЬНАЯ СТАТЬЯ)AUTOMATION AND INFORMATION TECHNOLOGY (ORIGINAL ARTICLE)ИНТЕЛЛЕКТУАЛЬНАЯ СИСТЕМА ВЫЯВЛЕНИЯ ФЕЙКОВЫХ НОВОСТЕЙ НА ОСНОВЕ ОНТОЛОГИЧЕСКОЙ МОДЕЛИ И СЕМАНТИЧЕСКОЙ РАЗМЕТКИ МЕДИА-ТЕКСТОВINTELLIGENT FAKE NEWS DETECTION SYSTEM BASED ON ONTOLOGICAL MODEL AND SEMANTIC MARKUP OF MEDIA TEXTShttps://orcid.org/0000-0002-9535-2636ЛамашеваЖ. Б.LamashevaZh. B.

Жанар Бейбутовна Ламашева – Phd, старший преподаватель кафедры Информационных систем, старший научный сотрудник 

г. Астана, проспект Кабанбай Батыра, 8;010008, г. Астана, ул. Сатпаева, 2

Zhanar Beibutovna Lamasheva – PhD, Senior lecturer at the department of Information Systems, senior Researcher 

 

lamasheva_zhb@enu.kzhttps://orcid.org/0000-0001-9358-1614СамбетбаеваM. A.SambetbayevaM. A.

Мадина Аралбаевна Самбетбаева – Phd, ассоциированный профессор кафедры информационных систем, ведущий научный сотрудник 

г. Астана, проспект Кабанбай Батыра, 8;010008, г. Астана, ул. Сатпаева, 2

Madina Aralbayevna Sambetbaeva – PhD, associate professor of the Department of Information Systems, leading researcher 

 

sambetbayeva_ma_1@enu.kzhttps://orcid.org/0009-0001-7642-0648НекесоваA. Н.NekessovaA. N.

Анаргуль Аймуратовна Некесова – магистр технических наук, докторант кафедры информационных систем, младший научный сотрудник 

г. Астана, проспект Кабанбай Батыра, 8;010008, г. Астана, ул. Сатпаева, 2;010000, г. Астана, проспект Кабанбай Батыра, 8

Anargul Nekessova – Master of Technical Sciences, Phd student of the Department of Information Systems, Junior Researcher 

 

aimurat_anara@mail.ruhttps://orcid.org/0009-0001-8872-7428АбдығалымБ. Х.AbdygalymB. Kh.

Баянғали Хайерберліұлы Абдығалым – магистр технических наук, докторант кафедры информационных систем, Инженер программист 

г. Астана, проспект Кабанбай Батыра, 8;010008, г. Астана, ул. Сатпаева, 2;010000, г. Астана, проспект Кабанбай Батыра, 8

Bayangali Khayerberliuly Abdygalym – master of technical sciences, Phd student of the Department of Information Systems, Software engineer 

 

bayangali.abd@gmail.comhttps://orcid.org/0000-0002-0511-7000ТасболатұлыН.TasbolatulyN.

Нурболат Тасболатулы – PhD, ассоциированный профессор Высшей школы информационных технологий и инженерии Международного университета Астана, ведущий научный сотрудник 

г. Астана, проспект Кабанбай Батыра, 8;010000, г. Астана, проспект Кабанбай Батыра, 8

Nurbolat Tasbolatuly – PhD, Associate Professor at the School of Information Technology and Engineering, Leading Researcher 

 

nurbolat.tasbolatuly@aiu.edu.kzМеждународный научный комплекс «Астана»; Евразийский национальный университет имени Л.Н. ГумилёваКазахстанInternational Science Complex Astana; L.N. Gumilyov Eurasian National UniversityKazakhstanМеждународный научный комплекс «Астана»; Евразийский национальный университет имени Л.Н. Гумилёва; Международный университет АстанаКазахстанInternational Science Complex Astana; L.N. Gumilyov Eurasian National University; Astana International UniversityKazakhstanМеждународный научный комплекс «Астана»; Международный университет АстанаКазахстанInternational Science Complex Astana; Astana International UniversityKazakhstan20262505202611(21)225234Copyright © Ламашева Ж.Б., Самбетбаева M.A., Некесова A.Н., Абдығалым Б.Х., Тасболатұлы Н., 20262026Ламашева Ж.Б., Самбетбаева M.A., Некесова A.Н., Абдығалым Б.Х., Тасболатұлы Н.Lamasheva Z.B., Sambetbayeva M.A., Nekessova A.N., Abdygalym B.K., Tasbolatuly N.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://tech.vestnik.shakarim.kz/jour/article/view/2299

В данной статье представлен подход к выявлению фейковых новостей на основе онтологического моделирования и семантической аннотации медиатекстов. В исследовании проведён библиометрический анализ публикаций базы данных Scopus за 2018-2026 годы с целью выявления тенденций в области обнаружения фейковых новостей и семантических методов анализа. Результаты показывают переход от традиционных методов машинного обучения к трансформерным, графовым и семантическим моделям. Предложена адаптивная архитектура системы, включающая сбор данных, предварительную обработку, многоуровневую разметку в Label Studio, построение графа знаний, обучение моделей, инференс и аналитический модуль. Разработана формальная онтологическая модель, структурирующая ключевые элементы новостных текстов: утверждение (claim), источник (source), доказательство (evidence), намерение автора (author intent), целевая аудитория (target audience) и техника дезинформации (disinformation technique). Система поддерживает многоязычную обработку на казахском и русском языках. Датасет включает 5 000 новостных сообщений, равномерно распределённых между фейковыми и реальными новостями и сбалансированных по языкам. Качество разметки оценивалось с использованием коэффициента Cohen’s Kappa (0,72-0,81), что свидетельствует о согласованности аннотации. Предложенный подход создаёт структурную основу для дальнейшей разработки и оценки автоматизированных систем выявления фейковых новостей в многоязычной среде.

This paper presents a framework for fake news detection based on ontological modeling and semantic annotation of media texts. The study includes a bibliometric analysis of Scopus publications from 2018 to 2026 to identify trends in fake news detection and semantic approaches. The results show a shift from traditional machine learning methods toward transformer-based, graph-based, and semantic models. An adaptive system architecture is proposed, covering data collection, preprocessing, multi-level annotation in Label Studio, knowledge graph construction, model training, inference, and analytics. A formal ontological model was developed to structure the key elements of news texts, including claim, source, evidence, author intent, target audience, and disinformation techniques. The framework supports multilingual processing in Kazakh and Russian. The dataset consists of 5,000 news articles, evenly distributed between fake and real categories and balanced across both languages. Annotation quality was evaluated using Cohen’s Kappa, with values ranging from 0.72 to 0.81, indicating consistent inter-annotator agreement. The proposed approach provides a structured basis for the further development and evaluation of automated fake news detection systems in multilingual environments.

фейковые новостиобнаружение фейковонтологическая модельсемантическая разметкасемантический анализFake newsfake news detectionontological modelsemantic markupsemantic analysisThis research has been funded by the Committee of Science of the Ministry of Science and Higher Education of the Republic of Kazakhstan Grant AP26195591.ReferencesCredible, unreliable or leaked? Evidence verification for enhanced automated fact-checking / Z. Chrysidis et al // Proceedings of the 3rd ACM International Workshop on Multimedia AI against Disinformation. – 2024. – P. 73-81. https://doi.org/10.1145/3643491.366027.Credible, unreliable or leaked? Evidence verification for enhanced automated fact-checking / Z. Chrysidis et al // Proceedings of the 3rd ACM International Workshop on Multimedia AI against Disinformation. – 2024. – P. 73-81. https://doi.org/10.1145/3643491.366027.Setty V. Factcheck editor: Multilingual text editor with end-to-end fact-checking / V. Setty // Proceedings of the 47th International ACM SIGIR Conference on Research and Development in Information Retrieval. – 2024. – P. 2744-2748. https://doi.org/10.1145/3626772.3657663.Setty V. Factcheck editor: Multilingual text editor with end-to-end fact-checking / V. Setty // Proceedings of the 47th International ACM SIGIR Conference on Research and Development in Information Retrieval. – 2024. – P. 2744-2748. https://doi.org/10.1145/3626772.3657663.Toward automated factchecking: Developing an annotation schema and benchmark for consistent automated claim detection / L. Konstantinovskiy et al // Digital threats: research and practice. – 2021. – Т. 2, № 2. – P. 1-16. https://doi.org/10.1145/3412869.Toward automated factchecking: Developing an annotation schema and benchmark for consistent automated claim detection / L. Konstantinovskiy et al // Digital threats: research and practice. – 2021. – Т. 2, № 2. – P. 1-16. https://doi.org/10.1145/3412869.Indonesian fake news detection using various machine learning technique / L. Triyono et al // International Journal on Informatics Visualization. – 2023. – Т. 7, № 3. – P. 726-732. https://doi.org/10.30630/joiv.7.3.1243.Indonesian fake news detection using various machine learning technique / L. Triyono et al // International Journal on Informatics Visualization. – 2023. – Т. 7, № 3. – P. 726-732. https://doi.org/10.30630/joiv.7.3.1243.Abumansour A.S. Check-worthy claim detection across topics for automated fact-checking / A.S. Abumansour, A. Zubiaga // PeerJ Computer Science. – 2023. – Т. 9. – Р. e1365. https://doi.org/10.7717/peerj-cs.1365.Abumansour A.S. Check-worthy claim detection across topics for automated fact-checking / A.S. Abumansour, A. Zubiaga // PeerJ Computer Science. – 2023. – Т. 9. – Р. e1365. https://doi.org/10.7717/peerj-cs.1365.Alghamdi J. A comparative study of machine learning and deep learning techniques for fake news detection / J. Alghamdi, Y. Lin, S. Luo // Information. – 2022. – Т. 13, № 12. – 576. https://doi.org/10.3390/info13120576.Alghamdi J. A comparative study of machine learning and deep learning techniques for fake news detection / J. Alghamdi, Y. Lin, S. Luo // Information. – 2022. – Т. 13, № 12. – 576. https://doi.org/10.3390/info13120576.Nasir A. Credia: Contextualized retrieval of evidence for open-domain fact verification / A. Nasir, M. Wasim, S. Nasir // Knowledge and Information Systems. – 2025. – P. 1-31. https://doi.org/10.1007/s10115-025-02400-x.Nasir A. Credia: Contextualized retrieval of evidence for open-domain fact verification / A. Nasir, M. Wasim, S. Nasir // Knowledge and Information Systems. – 2025. – P. 1-31. https://doi.org/10.1007/s10115-025-02400-x.Multiknowledge and LLM-inspired heterogeneous graph neural network for fake news detection / B. Xie et al // IEEE Transactions on Computational Social Systems. – 2024. https://doi.org/10.1109/TCSS.2024.3488191.Multiknowledge and LLM-inspired heterogeneous graph neural network for fake news detection / B. Xie et al // IEEE Transactions on Computational Social Systems. – 2024. https://doi.org/10.1109/TCSS.2024.3488191.A multi-level annotation model for fake news detection: Implementing Kazakh-Russian corpus via Label Studio / M. Sambetbayeva et al // Big Data and Cognitive Computing. – 2025. – Т. 9, № 8. – H. 215. https://doi.org/10.3390/bdcc9080215.A multi-level annotation model for fake news detection: Implementing Kazakh-Russian corpus via Label Studio / M. Sambetbayeva et al // Big Data and Cognitive Computing. – 2025. – Т. 9, № 8. – H. 215. https://doi.org/10.3390/bdcc9080215.Wang X. Monolingual and Multilingual Misinformation Detection for Low-Resource Languages: A Comprehensive Survey / X. Wang, W. Zhang, S. Rajtmajer // Inf. Process. Manag. – 2025. – № 62. – Р. 102789.Wang X. Monolingual and Multilingual Misinformation Detection for Low-Resource Languages: A Comprehensive Survey / X. Wang, W. Zhang, S. Rajtmajer // Inf. Process. Manag. – 2025. – № 62. – Р. 102789.

The authors declare that there are no conflicts of interest present.