يقترح هذا البحث نموذج CF-NADE، وهو هندسة عصبية ذاتية التحليلية مصممة للمهام المرتبطة بالتصفية التعاونية (CF)، مستوحاة من نموذج RBM (الماكينة البولتزمانية المقيدة) المستخدم في التصفية التعاونية ومن تقدير التوزيع الذاتي العصبي (NADE). أولاً، نصف النموذج الأساسي لـ CF-NADE المخصص للمهام المرتبطة بالتصفية التعاونية. ثم نقترح تحسين النموذج من خلال مشاركة المعلمات بين التقييمات المختلفة. كما تم اقتراح إصدار مفكك من CF-NADE لتحقيق قابلية للتوسع أفضل. بالإضافة إلى ذلك، نأخذ بعين الاعتبار الطبيعة المرتبة للتفضيلات ونقترح تكلفة مرتبة لتحسين أداء CF-NADE، والتي أظهرت أداءً فائقًا. وأخيرًا، يمكن توسيع CF-NADE ليصبح نموذجًا عميقًا مع زيادة طفيفة في التعقيد الحسابي. تُظهر النتائج التجريبية أن CF-NADE ذو الطبقة الخفية الواحدة يتفوق على جميع الطرق الرائدة سابقًا في مجموعات بيانات MovieLens 1M وMovieLens 10M وNetflix، وأن إضافة المزيد من الطبقات الخفية يمكن أن تحسن الأداء بشكل أكبر.