Con el crecimiento explosivo de las reseñas de productos, la predicción de calificaciones de reseñas se ha convertido en un tema de investigación importante que tiene una amplia gama de aplicaciones. Los métodos existentes de predicción de calificaciones de reseñas utilizan un modelo unificado para realizar la predicción de calificaciones en reseñas publicadas por diferentes usuarios, ignorando las diferencias entre los usuarios dentro de estas reseñas. Construir un modelo personalizado separado para cada usuario para capturar la expresión de sentimiento personalizada del usuario es un intento efectivo de mejorar el rendimiento de la predicción de calificaciones de reseñas. La información de sentimiento personalizada del usuario se puede obtener no solo a través del texto de la reseña, sino también mediante la matriz de calificaciones usuario-artículo. Por lo tanto, proponemos un método de predicción de calificaciones de reseñas personalizado para el usuario integrando la información del texto de la reseña y la matriz de calificaciones usuario-artículo. En nuestro enfoque, cada usuario tiene un modelo de predicción de calificaciones de reseñas personalizado, que se descompone en dos componentes: una parte se basa en el texto de la reseña y la otra se basa en la matriz de calificaciones usuario-artículo. A través de extensos experimentos en los conjuntos de datos de Yelp y Douban, validamos que nuestros métodos pueden superar significativamente a los métodos más avanzados.