Las películas son uno de los componentes esenciales de nuestro entretenimiento diario. En el mundo actual, las personas prefieren ver películas en sus dispositivos personales. Muchas películas están disponibles en todas las plataformas populares de Over the Top (OTT). Múltiples películas nuevas se lanzan en estas plataformas todos los días. El sistema de recomendación es beneficioso para guiar al usuario en la elección entre el contenido sobrecargado. La mayoría de la investigación en estos sistemas de recomendación se ha realizado en base a películas existentes. Necesitamos un sistema de recomendación para películas futuras con el fin de ayudar a los espectadores a tomar una decisión personalizada sobre qué nuevas películas próximas ver. En este artículo, hemos propuesto un marco que combina análisis de sentimientos y un sistema de recomendación híbrido para recomendar películas que aún no se han estrenado, pero cuyo tráiler ya ha sido lanzado. En el primer módulo, extraímos comentarios sobre el tráiler de la película del canal oficial de YouTube de Netflix, calculamos el sentimiento general y predecimos la calificación de las próximas películas. Luego, en el segundo módulo, nuestro sistema de recomendación híbrido propuesto produjo una lista de películas próximas preferidas para usuarios individuales. En el tercer módulo, finalmente pudimos ofrecer recomendaciones sobre películas próximas potencialmente populares al usuario, según sus preferencias personales. Este método fusiona la calificación predicha y la lista preferida de películas próximas de los módulos uno y dos. Este estudio utilizó datos públicamente disponibles de The Movie Database (TMDb). También creamos un conjunto de datos de nuevas películas seleccionando aleatoriamente una lista de cien películas lanzadas entre 2020 y 2021 en Netflix. Nuestros resultados experimentales establecieron que la calificación predicha de las películas no estrenadas tenía el menor error. Además, demostramos que el sistema de recomendación híbrido propuesto recomienda películas según las preferencias del usuario y películas futuras potencialmente prometedoras.