Muchas personas se preguntan, al ver a modelos de moda en redes sociales o en televisión, si podrían parecerse a ellas usando productos similares. Además, muchas personas sufren cuando a veces encuentran modelos de moda en comercio electrónico y desean obtener productos similares, pero después de hacer clic en el modelo de moda, reciben productos no deseados o productos para el género opuesto. Para abordar estos problemas, en nuestro trabajo, construimos un sistema de recomendación de moda consciente del género y de aprendizaje multitarea (MLGFRS). El MLGFRS propuesto puede aumentar los ingresos del mercado de moda en comercio electrónico. Además, nos dimos cuenta de que las personas están acostumbradas a hacer clic en la parte del modelo de moda que incluye el producto que desean obtener. Por lo tanto, clasificamos la imagen de consulta en muchos productos recortados para detectar el clic del usuario. Lo novedoso de este artículo es que contribuimos a mejorar el rendimiento eficiente al detectar el género a partir de la imagen de consulta para reducir el tiempo de recuperación. En segundo lugar, mejoramos eficazmente la calidad de los resultados recuperando similitudes para cada objeto en la imagen de consulta para recomendar los productos más relevantes. El MLGFRS consta de cuatro componentes: detección de género, detección de objetos, generación de similitudes y resultados de recomendación. El MLGFRS logra un mejor rendimiento en comparación con los baselines de vanguardia.