En este artículo, proponemos DUALRec para abordar el desafío de los sistemas de recomendación modernos, que tienen dificultades para modelar y predecir las preferencias dinámicas y contextuales de los usuarios. DUALRec combina las capacidades de modelado temporal de las redes LSTM con las capacidades de razonamiento semántico de un modelo de lenguaje a gran escala (LLM) optimizado para capturar la evolución de las preferencias de los usuarios y recomendar la próxima película. El LSTM captura la evolución de las preferencias de los usuarios a partir de su historial de visualización, y el LLM optimizado aprovecha esta información temporal para generar la próxima película que puedan disfrutar. Los resultados experimentales con el conjunto de datos MovieLens-1M muestran que el modelo DUALRec supera a varios modelos de referencia.
