El objetivo de este proyecto consiste en el desarrollo de un Sistema Recomendador, que utiliza la información social contenida en Redes Sociales, y cuyo algoritmo de recomendación, emplea la técnica de Friendsourcing Semántico para brindar las recomendaciones a los usuarios. Friendsourcing Semántico extiende la similaridad entre usuarios, a partir de los tipos de relaciones que los usuarios tienen dentro de una Red Social, diferenciando de forma semántica, el tipo de relación por el cuál están conectados los usuarios en la Red Social, y de esta forma, ofrecer recomendaciones mas adecuadas, según sea el vinculo relacional que une a los usuarios. Para alcanzar dicho objetivo, se realiza un estudio en profundidad de las técnicas de filtrado de información en Sistemas Recomendadores, de los algoritmos de Friendsourcing existentes, de la información social contenida en las Redes Sociales, y de los aportes que nos brinda la utilización de componentes incluidos en la Web Semántica. El Sistema Recomendador se conforma de una componente lógica, donde se encuentra el algoritmo de Friendsourcing Semántico; de una componente de persistencia, empleando una base de datos relacional; de una componente gráfica para la interacción del usuario con el sistema; y de las fuentes de información, necesarias para un adecuado funcionamiento del Sistema Recomendador. El testing del Sistema Recomendador, se basa en aplicar técnicas y métricas conocidas, utilizadas para medir la calidad de las recomendaciones brindadas. Se muestra a través de un caso de estudio sobre una Red Social simulada, pero factible de ser probada en la realidad, y aplicando varios casos de prueba sobre la misma, de como se obtienen recomendaciones personalizadas de gran relevancia y de gran calidad, demostrando el correcto funcionamiento del Sistema Recomendador. Finalmente se extraen las conclusiones, se plantean posibles mejoras a lo realizado y se motiva a realizar futuros trabajos.