В данной работе мы предлагаем новую стратегию проверки фактов (поиска истины), основанную на кластеризации данных машинного обучения методом k-means в сочетании с индексом силуэта для определения оптимального значения k, с целью выявления оптимального разбиения набора атрибутов. Такое оптимальное разбиение максимизирует точность процесса поиска истины без необходимости исследовать все возможные разбиения. Результаты интенсивных экспериментов на синтетических и реальных данных показывают, что наш подход превосходит аналогичный в (Lamine Ba et al., 2015), при более разумных затратах вычислительного времени. Наконец, мы описываем способ распараллеливания данного процесса поиска истины с помощью парадигмы MapReduce, чтобы избежать увеличения времени выполнения при увеличении размера входных данных.