最近、協調フィルタリング（CF）にニューラルネットワークに基づくモデルが注目を集めつつある。その研究の一つのアプローチは、ユーザーの好みをモデリングするために深層生成モデルを用いるものであり、変分自己符号化器（VAE）が最先端の性能を達成することが示されている。しかし、現在のVAEを用いたCFモデルには、いくつかの問題点が存在する。第一に、VAEがユーザー好みの潜在表現を学習する際に採用する事前分布（prior）が極めて単純すぎる点である。第二に、各ネットワークで1層以上の隠れ層を持つより深い表現を学習できない点が挙げられる。本研究の目的は、上述のVAE-CFモデルの課題を緩和するための適切な技術を導入し、推薦性能をさらに向上させることである。本研究は、協調フィルタリングに柔軟な事前分布（flexible priors）を初めて適用し、従来のVAEで用いられる単純な事前分布がユーザーの好みを十分にモデル化するには制約が大きすぎる可能性を示した。また、より柔軟な事前分布を設定することで顕著な性能向上が得られることを実証した。我々は、画像生成に最初に提案されたVampPriorを用いて、柔軟な事前分布がCFに与える影響を検証した。さらに、ゲーティング機構と組み合わせたVampPriorが、MovieLensおよびNetflixという2つの代表的なベンチマークデータセットにおいて、従来のVAE-CFを含む最先端手法を有意な差で上回ることを示した。