我々は変分オートエンコーダ（Variational Autoencoders: VAEs）を、暗黙のフィードバックに対する協調フィルタリングに拡張しました。この非線形確率モデルにより、依然として協調フィルタリング研究において主流を占める線形因子モデルの制約されたモデリング能力を超えることが可能になりました。我々は多項分布尤度を持つ生成モデルを導入し、ベイジアン推論を使用してパラメータ推定を行いました。言語モデリングや経済学で広く使用されているにもかかわらず、多項分布尤度は推薦システムの文献ではあまり注目されていません。また、学習目標に対して異なる正則化パラメータを導入し、これは競合する性能を達成するために極めて重要であることが示されました。特に、アニーリングを使用することで効率的にパラメータ調整を行う方法があります。得られたモデルと学習アルゴリズムは、最大エントロピー判別と情報ボトルネック原理との情報理論的な関連性を持っています。実験的には、提案手法がいくつかの最先端のベースライン（最近提案された2つのニューラルネットワークアプローチも含む）よりも大幅に優れていることを示すために、複数の実世界データセットを使用しました。さらに、潜在因子協調フィルタリング文献で一般的に使用される他の尤度関数との比較実験を行い、有利な結果を得ました。最後に、原理に基づいたベイジアン推論アプローチの長所と短所を特定し、そのアプローチが最も有意な改善をもたらす設定を特徴付けました。