Los enfoques de filtrado colaborativo (CF), que proporcionan recomendaciones basadas en calificaciones o historial de compras, funcionan bien para usuarios y elementos con suficientes interacciones. Sin embargo, los enfoques de CF sufren del problema de inicio en frío para usuarios y elementos con pocas calificaciones. Los sistemas de recomendación híbridos que combinan filtrado colaborativo y enfoques basados en contenido han demostrado ser una forma efectiva de aliviar el problema de inicio en frío. Integrar contenidos de múltiples fuentes de datos heterogéneas como reseñas e imágenes de productos es desafiante por dos razones. En primer lugar, mapear contenidos en diferentes modalidades desde el espacio de características original a un espacio conjunto de menor dimensionalidad es difícil ya que tienen características y propiedades estadísticas intrínsecamente diferentes, como textos dispersos e imágenes densas. En segundo lugar, la mayoría de los algoritmos solo utilizan características de contenido como conocimiento previo para mejorar la estimación de perfiles de usuario y elementos, pero las calificaciones no proporcionan directamente retroalimentación para guiar la extracción de características. Para abordar estos desafíos, proponemos un modelo de red profunda estrechamente acoplado para fusionar modalidades heterogéneas, para evitar la extracción tediosa de características en dominios específicos y permitir la propagación de información bidireccional tanto desde el contenido como desde la información de calificación. Los experimentos en datos de productos de Amazon a gran escala en los dominios de libros y películas demuestran la efectividad del modelo propuesto para recomendaciones de inicio en frío.