変分オートエンコーダーは、コンピュータビジョンや音声処理などの分野で成功を収めています。しかし、ユーザの嗜好をモデル化するための採用はまだ未開拓であり、最近になってようやく現行の文献で注目を集め始めています。本研究では、過去の嗜好履歴に含まれる豊富な情報を活用することで変分オートエンコーダーを拡張するモデルを提案します。私たちは、時間依存関係に関わらず全体の履歴のサブセットを通過させる代わりに、消費シーケンスのサブセットを再帰型ニューラルネットワーク（RNN）を通じて通過させる再帰型VAE（Variational Autoencoder）を導入します。RNNの各時間ステップにおいて、シーケンスは全結合層のシリーズを通じて供給され、その出力は最も可能性が高い将来の嗜好の確率分布をモデル化します。我々は、時間情報を取り扱うことがVAEの精度向上にとって極めて重要であることを示しています。実際、我々のモデルは再帰型エンコーダーを使用してユーザ消費シーケンス間の時間依存関係を捉えつつ、変分オートエンコーダーの基本原理を維持していることから、現行最先端技術に対して有意なマージンで勝利しています。