Los sistemas de recomendación se utilizan en plataformas de servicios de streaming para proporcionar a los usuarios sugerencias personalizadas con el fin de aumentar la satisfacción del usuario. Estas recomendaciones se basan principalmente en datos sobre la interacción de los usuarios con el sistema; sin embargo, otra información de las grandes cantidades de datos de medios puede ser explotada para mejorar su fiabilidad. En el caso de los datos sociales de medios, el análisis de sentimientos de las opiniones expresadas por los usuarios, junto con las propiedades de los elementos que consumen, puede ayudar a comprender mejor sus preferencias. En este estudio, presentamos un enfoque de recomendación que integra el análisis de sentimientos y la similitud basada en géneros en los métodos de filtrado colaborativo. La propuesta implica el uso de BERT para el preprocesamiento y extracción de características de género, así como modelos híbridos de aprendizaje profundo, para el análisis de sentimientos de las reseñas de los usuarios. El enfoque fue evaluado en conjuntos de datos populares de películas públicas. Los resultados experimentales muestran que el enfoque propuesto mejora significativamente el rendimiento del sistema de recomendaciones.