Η τουριστική εμπειρία αποτελεί μια πολυδιάστατη διαδικασία που σχετίζεται με την αναζήτηση απαντήσεων σε ερωτήματα όπως: Πού να πάω; Ποια αξιοθέατα αξίζει να επισκεφθώ; Πού να μείνω; Πού να φάω; Πώς να διασκεδάσω; Πώς να μετακινηθώ σε έναν προορισμό;

Οι απαντήσεις σε αυτά τα ερωτήματα θα πρέπει να είναι προσαρμοσμένες στις προτιμήσεις του επισκέπτη, αξιοποιώντας πληροφορίες από μεγάλο όγκο υποκειμενικών εμπειριών, όπως αυτές που καταγράφονται στα μέσα κοινωνικής δικτύωσης ή συλλέγονται μέσω διασυνδεδεμένων συσκευών στο πλαίσιο του Διαδικτύου των Πραγμάτων.

Οι εμπειρίες αυτές περιλαμβάνουν δεδομένα όπως βίντεο, φωτογραφίες, μουσική, ετικέτες, κείμενα, αξιολογήσεις, γεωχωρικές διαδρομές και ιστορικό χρηστών. Τα δεδομένα αυτά αποτελούν σημαντικό όγκο πληροφορίας (big data), τόσο λόγω της ποσότητας και της ποικιλίας τους όσο και λόγω της ταχύτητας ανανέωσης και της αξίας τους για τους φορείς του τουριστικού τομέα και τους επισκέπτες.

Η μεγάλη αυτή ποσότητα δεδομένων δημιουργεί την ανάγκη ανάπτυξης καινοτόμων εργαλείων που θα παρέχουν προσωποποιημένες και στοχευμένες τουριστικές προτάσεις, αξιοποιώντας πληροφορίες από πολλαπλές πηγές.

Η βασική αρχή του έργου είναι ότι η παροχή προσωποποιημένης πληροφορίας αποτελεί ένα σύνθετο πρόβλημα βελτιστοποίησης, το οποίο ταυτόχρονα πρέπει να λαμβάνει υπόψη την προστασία των προσωπικών δεδομένων. Η επίλυση του προβλήματος πραγματοποιείται σε επίπεδο διακομιστή (server).

Για την επίλυση των προβλημάτων αυτών αξιοποιούνται:

• υπεργραφήματα (hypergraphs), τα οποία μοντελοποιούν συσχετίσεις από ετερογενείς πηγές δεδομένων,
• δυναμικά μοντέλα συνεργατικού φιλτραρίσματος, που λαμβάνουν υπόψη τη χρονική εξέλιξη των δεδομένων.

Η σύνδεση των παραπάνω επιτυγχάνεται μέσω γραφικών μοντέλων και τεχνικών προσεγγιστικής συμπερασματολογίας.

Σε επίπεδο εφαρμογών, αναπτύσσονται mobile εφαρμογές (iOS και Android) που αξιοποιούν ανθρωποκεντρική αλληλεπίδραση σε πολυγλωσσικό περιβάλλον.

Ένα σημαντικό τεχνικό ζήτημα αποτελεί η αναγνώριση ονομάτων (π.χ. τοπωνυμίων) και λέξεων-κλειδιών σε περιβάλλοντα με θόρυβο και πολλαπλές γλώσσες. Για την αντιμετώπιση αυτού του προβλήματος αξιοποιούνται τεχνολογίες βαθιάς μάθησης.

Παράλληλα, τα νευρωνικά δίκτυα χρησιμοποιούνται και για τη δημιουργία λεκτικών περιγραφών γεγονότων σε διαφορετικές γλώσσες, όταν αυτές δεν είναι διαθέσιμες.

Η ολοκλήρωση του συστήματος περιλαμβάνει και τη βελτιστοποίηση της μεταφοράς δεδομένων μεταξύ client και server, μέσω ενσωμάτωσης λειτουργιών επεξεργασίας (όπως εξαγωγή χαρακτηριστικών από βίντεο, εικόνες και ήχο) στις εφαρμογές των χρηστών.

Οι προκλήσεις που αντιμετωπίζονται, τόσο σε επίπεδο server όσο και σε επίπεδο εφαρμογών, είναι σημαντικές και αποτελούν αντικείμενο διεθνούς ερευνητικού ενδιαφέροντος.