Los sistemas de soporte a la decisión basados en negocios se han propuesto durante unas pocas décadas en las industrias de comercio electrónico y textil. Sin embargo, estos Sistemas de Soporte a la Decisión (DSS) no han sido tan productivos en términos de entrega de decisiones comerciales. En nuestro modelo propuesto, introducimos un modelo de recuperación de imágenes basado en contenido, basado en un DSS y un sistema de recomendaciones para la industria textil, ya sea en línea o fuera de línea. Utilizamos el conjunto de datos Fashion MNIST desarrollado por Zalando para entrenar nuestro modelo de aprendizaje profundo. Nuestro modelo híbrido propuesto puede demostrar cómo un DSS puede integrarse con un sistema que puede separar a los clientes según sus características personales para adaptar las recomendaciones de productos utilizando análisis de comportamiento, que se entrena en función de los datos de personalidad MBTI y los datos de EEG Deap que contienen numerosas ondas cerebrales EEG preentrenadas. Con este híbrido, un DSS también puede mostrar análisis de uso de productos. Nuestro modelo propuesto ha logrado la máxima precisión en comparación con otros modelos de vanguardia propuestos debido a su análisis cualitativo. En la primera sección de nuestro análisis, utilizamos un algoritmo de aprendizaje profundo para entrenar nuestro modelo CBIR basado en diferentes clasificadores como VGG-net, Inception-Net y U-net, que han logrado una precisión del 98.2% con un 2% de tasa de error minimizada. El resultado fue validado utilizando diferentes métricas de rendimiento como F-score, F-weight, Precisión y Recall. La segunda parte de nuestro modelo ha sido probada en diferentes algoritmos de aprendizaje automático con una tasa de precisión del 89.9%. Así, todo el modelo ha sido entrenado, validado y probado por separado para obtener la máxima eficiencia. Nuestra propuesta para un sistema DSS, que integra varios subsistemas con conjuntos funcionales distintos y varios subsistemas de modelo, es lo que hace que este estudio sea especial. La preferencia del cliente es uno de los principales problemas que enfrentan los comerciantes en la industria textil. Además, puede ser extremadamente difícil para los minoristas predecir los intereses y preferencias de los clientes para crear productos que satisfagan esas necesidades. Las tres innovaciones presentadas en este trabajo son un modelo conceptual para la caracterización de la personalidad, utilizando una amalgama de un modelo de clasificación de ECG, una sugerencia para un modelo de recuperación de imágenes textil utilizando Denoising Auto-Encoder, y un modelo de lenguaje basado en el MBTI para la calificación del cliente. Además, hemos propuesto una sección que muestra cómo la integración de blockchain en el preprocesamiento de datos puede mejorar su seguridad y la garantía de calidad del software basado en IA en un sistema multimodal.