أثبتت نماذج التشفير الآلي المتغير (Variational Autoencoders) نجاحها في مجالات مثل الرؤية الحاسوبية ومعالجة الكلام. ومع ذلك، فإن استخدامها لنمذجة تفضيلات المستخدمين لا يزال غير مستكشف، رغم بدء اهتمام الأدبيات الحديثة بها مؤخرًا. في هذا البحث، نقترح نموذجًا يوسع نطاق استخدام التشفير الآلي المتغير من خلال استغلال المعلومات الغنية الموجودة في تاريخ التفضيلات السابقة. نقدم إصدارًا متكررًا من VAE، حيث بدلاً من تمرير جزء من التاريخ الكامل دون مراعاة الارتباطات الزمنية، يتم تمرير مجموعة من سلسلة الاستهلاك عبر شبكة عصبية متكررة. في كل خطوة زمنية للشبكة العصبية المتكررة (RNN)، يتم تغذية السلسلة عبر سلسلة من الطبقات المتصلة بالكامل، ويقوم الإخراج بنمذجة التوزيع الاحتمالي للتفضيلات المستقبلية الأكثر احتمالاً. نوضح أن التعامل مع المعلومات الزمنية أمر حاسم لتحسين دقة VAE: ففي الواقع، يتفوق نموذجنا على أحدث التقنيات بفروقات قيمة بفضل قدرته على التقاط الارتباطات الزمنية بين سلسلة استهلاك المستخدم باستخدام المُشفر المتكرر مع الحفاظ على أساسيات التشفير الآلي المتغير دون تغيير.