Los estudios religiosos son un terreno fértil para el Procesamiento del Lenguaje Natural (PLN). La razón es que todas las religiones tienen sus instrucciones como textos escritos. En este artículo, aplicamos PLN a los Hadices islámicos, que son las tradiciones escritas, dichos, acciones, aprobaciones y discusiones del Profeta Muhammad, sus compañeros o sus seguidores. Un Hadiz se compone de dos partes: la cadena de narradores (Sanad) y el contenido del Hadiz (Matn). Un Hadiz se transmite desde su autor a un autor de libro de Hadices utilizando una cadena de narradores. El problema que resolvemos se centra en la clasificación de los Hadices según su origen de narración. Esto es importante por varias razones. Primero, ayuda a determinar la autenticidad y fiabilidad de los Hadices. Segundo, ayuda a rastrear la cadena de narración e identificar a los narradores involucrados en la transmisión de Hadices. Finalmente, ayuda a comprender los contextos históricos y culturales en los que se transmitieron los Hadices, y los diferentes niveles de autoridad atribuidos a los narradores. Hasta donde alcanza nuestro conocimiento, y según nuestra revisión de la literatura, este problema no se ha resuelto antes utilizando enfoques de aprendizaje automático/aprendizaje profundo. Para resolver este problema de clasificación, creamos un nuevo Conjunto de Datos de Clasificación de Hadices Basado en el Autor (ABCD) recopilado de libros clásicos de Hadices. El tamaño del ABCD es de 29 K Hadices y contiene 18 K narradores únicos, con toda su información. Aplicamos enfoques de aprendizaje automático (ML) y aprendizaje profundo (DL). ML se aplicó en Sanad y Matn por separado; luego, hicimos lo mismo con DL. Los resultados revelaron que ML funciona mejor que DL utilizando los datos de entrada de Matn, con un puntaje F1 del 77%. DL funcionó mejor que ML utilizando los datos de entrada de Sanad, con un puntaje F1 del 92%. Utilizamos precisión y recuperación junto con el puntaje F1; los detalles de los resultados se explican al final del artículo. Sostenemos que el ABCD y los resultados reportados motivarán a la comunidad a trabajar en esta nueva área. Nuestro conjunto de datos y resultados representarán una línea base para futuras investigaciones sobre el mismo problema.