学习解离化表示是机器学习在众多应用中的重要主题。解离化潜在变量表示可解译的语义信息，并反映数据中变化的分离因子。尽管生成模型可以学习潜在表示并生成数据样本，但是现有模型可能会忽略潜在表示之间的结构信息。在本公开中描述的是使用可分解的变分自动编码器从数据中学习解离化潜在结构表示的实施例，所述可分解的变分自动编码器同时学习分量表示并对分量关系进行编码。公开了潜在表示的新颖结构先验的实施例，以捕获不同数据分量之间的交互。实施例应用于不同数据分量之间的数据分割和潜在关系发现。在几个数据集上的实验证明了本模型实施例的实用性。