لقد حققت الشبكة العصبية التكرارية (RNN) أداءً متميزًا في تصنيف النصوص. إذ تُمكّن RNN من نمذجة التسلسل بأكمله واحتجاز الاعتماديات طويلة المدى، لكنها لا تؤدي بشكل جيد في استخلاص الأنماط الأساسية. في المقابل، تُظهر الشبكة العصبية التلافيفية (CNN) كفاءة عالية في استخراج الميزات المحلية وغير المتأثرة بالموقع. في هذا البحث، نقدم نموذجًا جديدًا يُسمى الشبكة العصبية التكرارية المنفصلة (DRNN)، والذي يُدمج خاصية عدم الاعتماد على الموقع داخل RNN. وبتحديد المسافة التي تتدفق بها المعلومات داخل RNN، يُقيد الحالة المخفية في كل خطوة زمنية لتمثيل الكلمات القريبة من الموضع الحالي. يُظهر النموذج المقترح تحسينات كبيرة مقارنةً بالنماذج RNN وCNN، ويحقق أفضل أداء على عدة مجموعات بيانات معيارية لتصنيف النصوص.