Las empresas basadas en plataformas en el mercado de la logística están evolucionando bajo la influencia de la transformación digital. Transformando el mercado de carga en un entorno donde se pueden negociar diversos tipos de carga a través de múltiples mercados y ubicaciones. Las plataformas de corretaje de carga han revolucionado la relación comercial entre los propietarios de carga y los propietarios de vehículos. Sin embargo, este tipo de sistema también ha introducido ineficiencias, como contratos no establecidos, lo que lleva a costos y retrasos innecesarios. Para abordar este problema, un sistema de recomendación de carga puede ayudar a los usuarios a encontrar lo que buscan mientras se busca reducir los contratos fallidos. Con los avances actuales en el aprendizaje profundo, se pueden aprender patrones complejos basados en los comportamientos y preferencias pasadas de los usuarios, lo que permite recomendaciones más precisas y personalizadas. Este estudio propone un sistema de recomendación de carga basado en aprendizaje profundo para proporcionar servicios personalizados y reducir los contratos fallidos en las plataformas de corretaje de carga. El sistema se construye creando un conjunto de datos de transacciones de carga, clasificando las categorías de carga a través de técnicas de procesamiento de lenguaje natural y minería de texto, e incorporando datos derivados externamente sobre distancias de transporte. El modelo de aprendizaje profundo se entrena utilizando Autoencoder, Word2Vec y Redes Neuronales de Grafos (GNN), con lógica de recomendación implementada para sugerir coincidencias de carga adecuadas para los propietarios de vehículos. Se espera que este sistema aumente la eficiencia del mercado de la industria de logística de carga y sea un paso clave hacia la mejora de la estructura de ganancias a largo plazo.