Los sistemas de recomendación, la mejor manera de lidiar con la sobrecarga de información, son ampliamente utilizados para proporcionar a los usuarios contenido y servicios personalizados con alta eficiencia. Muchos algoritmos de recomendación han sido investigados y desplegados extensamente en varias aplicaciones de comercio electrónico, incluidos los servicios de transmisión de películas en la última década. Sin embargo, los problemas de inicio en frío de datos dispersos a menudo se encuentran en muchos sistemas de recomendación de películas. En este documento, informamos sobre un sistema de recomendación de películas multimodal personalizado basado en el análisis de datos multimodales y el aprendizaje profundo. Los conjuntos de datos del mundo real de MovieLens fueron seleccionados para probar la efectividad de nuestro nuevo algoritmo de recomendación. Con la información de entrada, se extrajeron las características ocultas de las películas y los usuarios utilizando el aprendizaje profundo para construir un modelo de algoritmo de red de aprendizaje profundo para entrenar y predecir aún más las puntuaciones de las películas. Con una tasa de aprendizaje de 0,001, las puntuaciones de error cuadrático medio (RMSE) lograron 0,9908 y 0,9096 para los conjuntos de prueba de los conjuntos de datos de MovieLens 100 K y 1 M, respectivamente. Los resultados de predicción de puntuación muestran una precisión mejorada después de incorporar las características y conexiones potenciales en los datos multimodales con tecnología de aprendizaje profundo. En comparación con los algoritmos tradicionales de filtrado colaborativo, como el filtrado colaborativo basado en usuarios (User-CF), el filtrado basado en contenido de elementos (Item-CF) y los enfoques de descomposición de valor singular (SVD), el sistema de recomendación de películas multimodal que utiliza aprendizaje profundo podría proporcionar mejores resultados de recomendación personalizada. Mientras tanto, el problema de datos dispersos se alivió hasta cierto punto. Sugerimos que el sistema de recomendación puede mejorarse mediante la combinación de la tecnología de aprendizaje profundo y el análisis de datos multimodal.