Los servicios de hospitalidad juegan un papel crucial en la formación de la satisfacción de los turistas y la intención de regresar a los destinos. Los métodos de retroalimentación tradicionales, como las encuestas, a menudo no logran capturar las experiencias matizadas y en tiempo real de los turistas. Las plataformas digitales como TripAdvisor, Yelp y Google Reviews proporcionan una rica fuente de contenido generado por los usuarios, pero el gran volumen de reseñas hace que el análisis manual sea poco práctico. Este estudio propone integrar el análisis de sentimientos basado en aspectos con el aprendizaje sin supervisión para analizar de manera efectiva las reseñas de turistas en línea sin requerir conjuntos de datos anotados extensos. Utilizando modelos preentrenados como RoBERTa, el marco de investigación implica la extracción de palabras clave, la detección de segmentos de oraciones, la construcción de aspectos y la medición de la polaridad del sentimiento. El conjunto de datos, obtenido de reseñas de TripAdvisor sobre atracciones, hoteles y restaurantes en Java Central, Indonesia, fue sometido a un preprocesamiento para garantizar su idoneidad para el análisis. Los resultados destacan la importancia de aspectos como la comida, el alojamiento y las experiencias culturales en la satisfacción del turista. Los hallazgos indican la necesidad de una mejora continua en el servicio para satisfacer las expectativas en evolución de los turistas, demostrando el potencial de las técnicas avanzadas de procesamiento del lenguaje natural para mejorar los servicios de hospitalidad y la satisfacción del cliente.