La recomendación basada en reseñas puede utilizar las características de usuario y artículo extraídas del texto de la reseña para aliviar los problemas de escasez de datos y poca interpretabilidad. Sin embargo, la mayoría de los métodos existentes se centran en el modelado estático de la personalidad del usuario y los atributos del artículo, ignorando los cambios dinámicos de las características del usuario y del artículo. Por lo tanto, este documento propone un método de recomendación neural con atención personalizada dinámica (NRDPA). Primero, este método captura los cambios en el comportamiento del usuario a nivel de palabra y nivel de reseña y modela las características personalizadas de los usuarios y artículos destacando dinámicamente palabras clave y reseñas importantes. En segundo lugar, el método considera la interacción de información en el proceso de modelado de usuario y artículo y ajusta las representaciones de características de las partes que interactúan de acuerdo con las preferencias del usuario por diferentes artículos. Finalmente, los experimentos en cinco conjuntos de datos públicos de Amazon demuestran que el modelo NRDPA propuesto tiene un rendimiento superior, con mejoras de hasta un 10% en MSE y un 6.3% en MAE en comparación con los modelos de vanguardia.