في الوقت الحاضر، تلعب الشبكات العصبية دورًا مهمًا في مهمة تصنيف العلاقات. من خلال تصميم هياكل عصبية مختلفة، نجح الباحثون في تحسين الأداء بشكل كبير مقارنة بالطرق التقليدية. ومع ذلك، فإن الشبكات العصبية الموجودة لتصنيف العلاقات غالبًا ما تكون ذات هياكل سطحية (مثل شبكات الالتفاف ذات الطبقة الواحدة أو الشبكات المتكررة). قد تفشل هذه الشبكات في استكشاف فضاء التمثيل المحتمل على مستويات التجريد المختلفة. في هذا البحث، نقترح استخدام شبكات عصبية متكررة عميقة (DRNNs) لتصنيف العلاقات للتعامل مع هذا التحدي. بالإضافة إلى ذلك، نقترح طريقة لتضخيم البيانات عن طريق الاستفادة من اتجاهية العلاقات. قمنا بتقييم شبكاتنا العصبية المتكررة العميقة على مهمة SemEval-2010 Task~8، وحققنا درجة F1 بلغت 86.1٪، مما يتفوق على النتائج المُسجلة سابقًا والتي كانت تعتبر أفضل ما تم تحقيقه في هذا المجال.