الشبكات العصبية الطويلة القصيرة المدى ثنائية الاتجاه (Bi-directional LSTMs) هي أداة قوية لتمثيل النص. ومع ذلك، فقد أظهرت أنها تعاني من العديد من القيود نظرًا لطبيعتها التسلسلية. نقوم في هذا البحث بدراسة بنية بديلة للـ LSTM لترميز النص، تتكون هذه البنية من حالة متوازية لكل كلمة. يتم استخدام الخطوات المتكررة لأداء تبادل المعلومات المحلية والعالمية بين الكلمات بشكل متزامن، بدلاً من قراءة تدريجية لمتتابعة الكلمات. أظهرت النتائج على مجموعة متنوعة من مقاييس التصنيف وتصنيف المتتابعات أن النموذج المقترح يتمتع بقوة تمثيل عالية، مما يوفر أداءً تنافسيًا للغاية مقارنة بالنموذج المكدس للـ BiLSTM الذي يحتوي على عدد مشابه من المعلمات.