أظهرت الدراسات الحديثة المزايا الناتجة عن استخدام مُشفّرات تلقائية تعتمد على الشبكات العصبية العميقة في التصفية التعاونية. وبشكل خاص، أظهر النموذج المُقترح حديثًا، Mult-VAE، الذي يستخدم مُشفّرات تلقائية تباينية ذات احتمال متعدد الحدود، نتائج ممتازة في التوصيات ذات الرتبة العُليا (top-N). في هذه الدراسة، نقترح نموذج RecVAE (مُشفّر التوصية التبايني)، الذي نشأ من أبحاثنا حول تقنيات التقوية (regularization) الخاصة بمُشفّرات التوليد التباينية. ويُقدّم RecVAE عدة أفكار جديدة لتحسين أداء Mult-VAE، منها: توزيع أولي مركب جديد للكودات المخفية، ونهج جديد لتحديد معلمة الـ $β$β في إطار عمل $β$β-VAE، بالإضافة إلى نهج جديد للتدريب يقوم على تحديثات متداخلة (alternating updates). وفي التقييم التجريبي، نُظهر أن RecVAE يتفوق بشكل ملحوظ على النماذج السابقة القائمة على المُشفّرات التلقائية، بما في ذلك Mult-VAE وRaCT، على مجموعات بيانات التصفية التعاونية الكلاسيكية، ونُقدّم دراسة تحليلية مفصلة لتقييم التطورات الجديدة التي قمنا بها. يمكن الوصول إلى الكود والنماذج عبر الرابط: https://github.com/ilya-shenbin/RecVAE.