Debido a la naturaleza subjetiva de las experiencias estéticas de las personas con respecto a las imágenes, la evaluación estética de imágenes personalizadas (PIAA), que puede simular las experiencias estéticas de los usuarios individuales para estimar imágenes, ha recibido una amplia atención por parte de los investigadores en las comunidades de inteligencia computacional y visión por computadora. Los modelos de PIAA existentes suelen basarse en conocimientos previos que aprenden directamente los resultados estéticos genéricos de las imágenes de la mayoría de las personas o los resultados estéticos personalizados de las imágenes de un gran número de individuos. Sin embargo, el conocimiento previo aprendido ignora la influencia mutua de los múltiples atributos de las imágenes y los usuarios en sus experiencias estéticas personalizadas. Con este fin, este documento propone un método de evaluación estética de imágenes personalizadas a través del razonamiento interactivo multiatributo. Diferente de los modelos de PIAA existentes, la interacción multiatributo construida tanto a partir de imágenes como de usuarios se utiliza como conocimiento previo más efectivo. Primero, diseñamos un módulo de extracción de estética genérica desde la perspectiva de las imágenes para obtener la distribución de puntuaciones estéticas y múltiples atributos objetivos de las imágenes calificadas por la mayoría de los usuarios. Luego, proponemos una red de razonamiento interactivo multiatributo desde la perspectiva de los usuarios. Al interactuar múltiples atributos subjetivos de los usuarios con múltiples atributos objetivos de las imágenes, fusionamos las características interactivas multiatributo obtenidas y la distribución de puntuaciones estéticas para predecir puntuaciones estéticas personalizadas. Los resultados experimentales en múltiples conjuntos de datos de PIAA demostraron que nuestro método superó a los métodos de PIAA de última generación.