Los hashtags se consideran importantes en diversas aplicaciones del mundo real, incluyendo la minería de tweets, la expansión de consultas y el análisis de sentimientos. Por lo tanto, la recomendación de hashtags a partir de tweets etiquetados ha sido considerada significativa por la comunidad de investigación. Sin embargo, aunque se han desarrollado muchos métodos de recomendación de hashtags, aún no se ha logrado de manera efectiva encontrar las características de palabras del diccionario y temáticas. Por ello, desarrollamos un método efectivo para realizar recomendaciones de hashtags, utilizando el clasificador basado en la Red Residual Profunda (Deep Residual Network) de Optimización Política de Seno y Coseno (SC-Political ResNet) propuesto. El SCPO desarrollado está diseñado integrando el Algoritmo de Seno y Coseno (SCA) con el algoritmo de Optimización Política (PO). Al emplear las características paramétricas de ambos, la optimización puede permitir la adquisición de la mejor solución global, entrenando los pesos del clasificador. Las características híbridas adquiridas del conjunto de palabras clave pueden encontrar de manera efectiva la información de palabras asociadas con el diccionario, temáticas y palabras clave más relevantes. Se realizan extensos experimentos en los conjuntos de datos de Sentimiento de Twitter de Apple y Twitter. Nuestros resultados empíricos demuestran que el modelo propuesto puede superar significativamente a los métodos de vanguardia en tareas de recomendación de hashtags.