Los sistemas de verificación de hechos se han convertido en herramientas importantes para verificar noticias falsas y engañosas. Estos sistemas son más confiables cuando las etiquetas de veracidad vienen acompañadas de explicaciones comprensibles para los humanos. Sin embargo, la recopilación manual de estas explicaciones es costosa y lleva mucho tiempo. Trabajos recientes han utilizado la resumación extractiva para seleccionar un subconjunto suficiente de los hechos más importantes de los comentarios de las resoluciones (RCs) de un periodista profesional para obtener explicaciones de verificación de hechos. Sin embargo, estas explicaciones carecen de fluidez y coherencia en las oraciones. En este trabajo, presentamos un algoritmo iterativo basado en ediciones que utiliza solo ediciones a nivel de frase para realizar una post-edición no supervisada de RCs desconectados. Para regular nuestro algoritmo de edición, utilizamos una función de puntuación con componentes que incluyen fluidez y preservación semántica. Además, mostramos la aplicabilidad de nuestro enfoque en un entorno completamente no supervisado. Experimentamos con dos conjuntos de datos de referencia, a saber, LIAR-PLUS y PubHealth. Mostramos que nuestro modelo genera explicaciones que son fluidas, legibles, no redundantes y cubren información importante para la verificación de hechos.