Σκοπός της εργασίας είναι η μελέτη και εφαρμογή τεχνολογιών σημασιολογικού ιστού για συστήματα συστάσεων, πάνω σε περιεχόμενο που προέρχεται από το διαδίκτυο. Στα πλαίσια της εργασίας σχεδιάστηκε και υλοποιήθηκε διαδικτυακή εφαρμογή που προτείνει άρθρα ειδήσεων λαμβάνοντας υπόψη το προφίλ/ιστορικό του κάθε χρήστη. Λόγω του μεγάλου όγκου πληροφοριών που κατακλύζει το διαδίκτυο συχνά οι χρήστες δυσκολεύονται να ξεχωρίσουν τις πληροφορίες που πραγματικά σχετίζονται με τα ενδιαφέροντα τους. Επιπλέον οι χρήστες έχουν πολύ διαφορετικά ενδιαφέροντα ή προτιμήσεις που μπορούν να ληφθούν υπόψη ώστε να φιλτραριστούν ή να ταξινομηθούν τα αποτελέσματα μιας ερώτησης με σκοπό το αποτέλεσμα να ικανοποιεί τις εξατομικευμένες ανάγκες κάθε χρήστη. Η κατηγορία αυτών των συστημάτων εξατομίκευσης ονομάζεται συστήματα συστάσεων (recommender systems). Τα συστήματα συστάσεων εκμεταλλεύονται τις ιδιαιτερότητες των χρηστών με σκοπό να διευκολύνουν στο να προσδιορίζουν ακριβέστερα τις πληροφορίες ή τις υπηρεσίες για τις οποίες ενδιαφέρονται περισσότερο ή σχετίζονται με τις ανάγκες τους, κάνοντας χρήση ειδικών αλγορίθμων. Οι αλγόριθμοι που χρησιμοποιούνται λαμβάνουν ως είσοδο τα χαρακτηριστικά και τις προτιμήσεις των χρηστών, ή τις σχέσεις μεταξύ των χρηστών ή τα γνωρίσματα των προς σύσταση αντικειμένων και υπολογίζουν το εκτιμώμενο ενδιαφέρον του χρήστη για κάθε αντικείμενο. Στην συνέχεια ταξινομούν ή φιλτράρουν τα αντικείμενα με κριτήριο το εκτιμώμενο ενδιαφέρον. Παρά τη μεγάλη ερευνητική δραστηριότητα στα συστήματα συστάσεων υπάρχουν σημαντικά προβλήματα που δεν έχουν λυθεί ακόμα πλήρως και απαιτείται περαιτέρω έρευνα. Για παράδειγμα οι τυπικές προσεγγίσεις εξαρτώνται από το πεδίο ορισμού(domain). Τα μοντέλα τους δημιουργούνται από τις πληροφορίες που συλλέγονται μέσα σε ένα συγκεκριμένο πεδίο(domain), και δεν μπορούν να επεκταθούν ή να ενσωματωθούν σε άλλα συστήματα. Επιπλέον η ανάγκη για περαιτέρω ευελιξία με τη μορφή συστάσεων που εξάγονται από επερωτήσεις ή προτάσεων που προσανατολίζονται σε ομάδες χρηστών, καθώς και η εξέταση πλαισιακών χαρακτηριστικών στη διάρκεια των διαδικασιών δημιουργίας συστάσεων είναι και αυτές απαιτήσεις που δεν πληρούνται στα περισσότερα συστήματα. Στην εργασία αυτή παρουσιάζουμε ένα σύστημα συστάσεων που χρησιμοποιεί τεχνολογίες σημασιολογικού ιστού για να περιγράψει και να συνδέσει τις ειδήσεις με τις προτιμήσεις του χρήστη ώστε να δημιουργήσει βελτιωμένες συστάσεις. Οι περιγραφές των ειδήσεων και τα προφίλ των χρηστών δημιουργούνται με την βοήθεια εννοιών που ορίζονται σε ένα σύνολο οντολογιών πεδίου. Ανάλογα με τις ομοιότητες μεταξύ των περιγραφών των ειδήσεων και των προφίλ των χρηστών καθώς και τις σημασιολογικές σχέσεις μεταξύ των εννοιών, το σύστημα υποστηρίζει μοντέλα συστάσεων βάσει περιεχομένου που έχουν σαν επίκεντρο το μεμονωμένο χρήστη, και επιτρέπει την εξαγωγή συμπερασμάτων βασισμένα σε κανόνες για την υποστήριξη εξατομικευμένων συστάσεων. Συγκεκριμένα γίνεται αξιολόγηση του μοντέλου που εξατομικεύει τη σειρά με την οποία τα άρθρα ειδήσεων παρουσιάζονται στο χρήστη λαμβάνοντας υπόψη το προφίλ/ιστορικό των βραχυπρόθεσμων και των μακροπρόθεσμων ενδιαφερόντων. / The scope of this Msc Thesis is the study and applies Semantic Web Technologies, for Recommendation Systems, over content for the internet. For the purpose of work, we designed and implemented web application that proposes news articles considering the profile/ history of each user. Because of the information overload which invading the internet, often the users are complicated to distinguish the information that really is related to their interests. The category of these personalization systems called recommendation systems. More over the users have very different interests or preferences that can taken into account in order to classify or filtering the results of question with scope the result to satisfies the personalized needs of each user. The category of these personalization systems called recommendation systems. Recommendation systems exploit the particularities of users with scope facilitate to identify precisely the information or the services for which they are more interested or related to their needs, using special algorithms. The algorithms used take as input the attributes and the user’s preferences, or the relations between users or the attributes of the items to be recommender and calculate the estimated interest of user for each item. Then classify or filtering the items with criterion the estimated interest. Despite the great research activity in recommendation systems common problem have not fully solved yet, and further investigation is needed. For example, typical approach dependent from domain. The model are created from the information where collected in specific domain, and cannot be extended or integrated in other systems. More over the need for further flexibility in the recommendation derived from question or oriented recommendation to group users, and the consideration of contextual features during the recommendation process are also unfulfilled requirements in most systems. This thesis presents news recommendations systems which used semantic web technologies to describe and relate news items, and the user preferences in order to produce enhanced recommendations. The items descriptions and the user profiles are created with concepts in the domain ontology. According to the similarity between the description items and the user profiles, and the semantic relation between concepts, the system supported content –based model that centered on a single user, and allows the Inference rule-based for the supported personalized recommendation. Specifically an evaluation of the model that personalized the order in which news articles are presented to the user, considering the profile/ history of sort – terms and long – terms interests.