Βασικός σκοπός της παρούσας εργασίας είναι η κατασκευή διαδικτυακής εφαρμογής με σκοπό την εμφάνιση προσωποποιημένων προτάσεων καταλυμάτων στους χρήστες της. Ως μοναδικό δεδομένο και γνωσιακή βάση χρησιμοποιήθηκαν τα σχόλια και οι κριτικές επισκεπτών, που περιγράφουν την εμπειρία της επίσκεψης τους, σε κάθε κατάλυμα που ανήκει στη λίστα των αποτελεσμάτων μιας αναζήτησης στην πλατφόρμα Booking.com.Αξιοποιώντας την μεγάλη πρόοδο τεχνικών ανάλυσης κειμένου (NLP) όπως αναγνώριση της θεματικής κατηγορίας (Aspect Extraction) στην οποία αναφέρεται, καθώς και του συναισθήματος που εκφράζει ο χρήστης (Sentiment Analysis), η πληροφορία που προκύπτει, αν η ανάλυση γίνει σωστά, μπορεί να περιγράψει πλήρως και με μεγάλη ακρίβεια την καταλληλόλητα του αντικειμένου μελέτης, στην περίπτωση αυτή ένα Ξενοδοχείο. Επιλέγοντας η ανάλυση των σχολίων να μην γίνει ρηχά, δηλαδή σε ολόκληρο το κείμενο σαν σύνολο, αλλά σε μικρές σε μέγεθος προτάσεις, με χρήση αλγόριθμου πρόβλεψης θέματος-συναισθήματος από κοινού (Aspect Based Sentiment Analysis), καθώς και η εκπαίδευση του αλγορίθμου χρησιμοποιώντας δεδομένα που λαμβάνουν υπόψη τα ειδικά χαρακτηρίστηκα του Domain προς ανάλυση (Domain Dependent - Accommodation) η ποιότητα των αποτελεσμάτων αυξάνεται σημαντικά.Αντικείμενο μελέτης είναι και η δημιουργία λειτουργιών που επιτρέπουν στους χρήστες της εφαρμογής να φιλτράρουν, καθώς και να εντοπίζουν το ακριβές σημείο εμφάνισης, σύμφωνα με τα προσωπικά τους χαρακτηριστικά, τα εμφανιζόμενα σχόλια, κατηγοριοποιώντας τα ανάλογα με το θέμα το οποίο πραγματεύονται καθώς και το συναισθηματικό προσανατολισμό που προκύπτει από την ανάλυση του ελεύθερου κειμένου. Επίσης, έγινε μια προσπάθεια εμπλουτισμού της πληροφορίας που παρουσιάζεται στο χρήστη, όπως την εμφάνιση εκδηλώσεων που λαμβάνουν χώρα στη γύρω περιοχή του προορισμού, εκτενών στατιστικών στοιχείων σχετικά με την ικανοποίηση προηγούμενων επισκεπτών διαχωρισμένη σε θεματικές ενότητες που περιγράφουν την εμπειρία που αποκομίζει ένας επισκέπτης ενός καταλύματος, καθώς και πληροφορίες αποκλειστικά στοχευμένες στα ειδικά χαρακτηριστικά ενός χρήστη όπως η ημερομηνία άφιξης και αναχώρησης του, η κατηγορία στην οποία ανήκει (Solo, Group, Family) και η χώρα καταγωγής του.