Στις μέρες μας η χρήση των κινητών συσκευών έχει σημειώσει αλματώδη ανάπτυξη και έχει γίνει αναπόσπαστο κομμάτι της καθημερινότητάς μας. Οι κινητές συσκευές με το πλήθος διαθέσιμων εφαρμογών και δυνατοτήτων που διαθέτουν, καθώς και με τη δυνατότητα πρόσβασης στο Διαδίκτυο, τείνουν να αντικαταστήσουν τους ηλεκτρονικούς υπολογιστές καθώς και μια πληθώρα άλλων συσκευών. Στην παρούσα μεταπτυχιακή διπλωματική εργασία προτείνουμε και υλοποιούμε ένα σύστημα, το οποίο κινείται στα πλαίσια των τεχνολογιών κινητού υπολογισμού και σχεδιάστηκε για να χρησιμοποιείται από τους χρήστες προκειμένου να δέχονται προτάσεις προς επιλογή σχετικά με ταινίες. Το σύστημα αποτελείται από μία κινητή συσκευή η οποία επικοινωνεί με μια οντολογία με χρήση της τεχνολογίας των web services. Όταν ο χρήστης συνδέεται στο λογαριασμό του έχει τη δυνατότητα να πραγματοποιήσει δύο διαδικασίες οι οποίες λειτουργούν με διαφορετικό αλγόριθμο συστάσεων. Στόχος μας είναι να ελέγξουμε κατά πόσο ένα σύστημα συνεργατικών συστάσεων είναι πιο αποδοτικό από ένα σύστημα που λαμβάνει υπόψη το προσωπικό προφίλ ενός χρήστη. Στην παρούσα περίπτωση διαλέξαμε έναν συγκεκριμένο αριθμό ταινιών με παρόμοιο κριτήριο για χρονολογίες από το 2006 έως το 2014. Εφαρμόσαμε τον αλγόριθμο συνεργατικής σύστασης για ταινίες από το 2006 έως το 2010 και τον αλγόριθμο που βασίζεται στο προφίλ μόνο του συνδεδεμένου χρήστη για ταινίες από το 2011 έως το 2014 λαμβάνοντας μια αξιολόγηση για το καθένα. / Nowadays, the use of mobile devices has rapidly developed and has become an integral part of our daily lives. Mobile devices have now a great number of applications and features available, along with the internet accessibility, they tend to replace not only computers but also a variety of other devices. In this master thesis, we propose and implement a system that runs in the context of mobile computing technologies and is designed to be used in order to present to the user all the recommended for him movies. This program consists of a mobile device that communicates with an ontology through a web service. When the user signs in to his account, has the ability to hold two processes each one operating with a different recommendation engine. Our intention is to check whether a collaborative recommendation engine is more efficient than a system which takes into account only the personal profile of a user. In this case study we chose a certain number of films based on a standard for a period of time, from 2006 to 2014. We applied the collaborative recommendation engine to movies from 2006 to 2010 and the algorithm based on the profile of the user signed–into movies released from 2011 to 2014 taking an assessment for each.