El crecimiento de Internet ha aumentado la cantidad de datos e información disponible para cualquier persona en cualquier momento. Los Sistemas de Recomendación ayudan a los usuarios a encontrar los artículos que cumplen con sus preferencias, entre la gran cantidad de artículos disponibles. Técnicas como el filtrado colaborativo y los recomendadores basados en contenido han desempeñado un papel importante en la implementación de los sistemas de recomendación. En los últimos años, otras técnicas, como los recomendadores basados en ontologías, han ganado importancia al referirse a recomendaciones de usuario activo de mejor calidad; sin embargo, construir un recomendador basado en ontologías es un proceso costoso que requiere habilidades considerables en Ingeniería del Conocimiento. Este artículo presenta un nuevo enfoque híbrido que combina la simplicidad del filtrado colaborativo con la eficiencia de los recomendadores basados en ontologías. La evaluación experimental demuestra que el enfoque propuesto presenta recomendaciones de mayor calidad en comparación con el filtrado colaborativo. La mejora principal se verifica en los resultados relacionados con los productos, que, a pesar de pertenecer a categorías desconocidas para los usuarios, aún coinciden con sus preferencias y se convierten en recomendaciones.