Σκοπός της συγκεκριμένης Διπλωματικής Εργασίας είναι η ανάπτυξη πληροφοριακού συστήματος το οποίο θα έχει τη δυνατότητα να εντοπίζει πληροφορίες  ιστορικών γεγονότων σε πηγές όπως η Wikipedia, η DBpedia και θα μετατρέπει την ζητούμενη πληροφορία σε κατάλληλη μορφή για τον εμπλουτισμό της βάσης γνώσης εφαρμογής που συσχετίζει ιστορικά γεγονότα με ιστορικά πρόσωπα και με τις αντίστοιχες γεωγραφικές περιοχές που τα γεγονότα συνέβησαν.

 Πιο συγκεκριμένα  μελετήθηκε η δομή της πληροφορίας σε Online Πηγές όπως η Wikipedia Και η DBpedia.  Μελετήθηκε η διεθνής βιβλιογραφία.

 Σχεδιάστηκε ένας πρότυπος αλγόριθμος για την εξαγωγή ιστορικών γεγονότων προσώπων και τοπωνυμίων. Υλοποιήθηκε εφαρμογή σε γλώσσα Python με γραφικό περιβάλλον tkinker για την υλοποίηση του συγκεκριμένου αλγορίθμου.

Τέλος η αποτελεσματικότητα του αλγορίθμου αξιολογήθηκε υπολογίζοντας με το χέρι την ζητούμενη πληροφορία για συγκεκριμένη χρονική περίοδο και συγκρίναμε τις πληροφορίες στην  αρχική βάση δεδομένων πριν τον εμπλουτισμό,οι οποίες αποθηκεύθηκαν χειρωνακτικά, με τις πληροφορίες που ανακτήθηκαν μέσω της αυτοματοποιημένης διαδικασίας.

The objective of this specific Dissertation is the development of an information system capable of locating historical event information from sources such as Wikipedia and DBpedia and transforming the required information into a suitable format for enriching the knowledge base of an application that correlates historical events with historical figures and the corresponding geographical regions where the events occurred.

More specifically, the structure of information in online sources such as Wikipedia and DBpedia was studied, and international literature was reviewed. A prototype algorithm was designed for extracting historical events, Persons and location of events. An application was implemented in Python with a Tkinter graphical environment to implement this algorithm.

Finally, the effectiveness of the algorithm was evaluated by manually calculating the required information for a specific time period and comparing the information in the initial database before enrichment, which was stored manually, with the information retrieved through the automated process.