In dit doctoraat maken we het mogelijk om de betrouwbaarheid van informatie op het Web automatisch in te schatten, door de gebruiker inzicht te bieden in de herkomstinformatie, of provenance. Om dit te bereiken, gebruiken we het semantische web om herkomstinformatie te modelleren. Specifieker beschrijven we PROV-DM, een generiek model van het wereldwijde web consortium (W3C), en stellen we twee domein-specifieke extensies voor, om enerzijds informatiediffusie op sociale media, en anderzijds onzekerheid te modelleren. Daarnaast onderzoeken we waar herkomstinformatie reeds op het web aanwezig is, zij het onder een niet-interoperabele vorm, en hoe we deze aan het licht kunnen brengen als W3C PROV. Vervolgens onderzoeken we de gevallen waar er geen of slechts gedeeltelijke herkomstinformatie beschikbaar is, en stellen we een methode voor om deze te reconstrueren op basis van semantische gelijkenis. Uiteindelijk stellen we een manier voor om de geaccumuleerde herkomstinformatie te gebruiken om de betrouwbaarheid in te schatten van de geassocieerde inhoud, op basis van de toegang van de herkomstinformatie, de validiteit, en de reputatie van de betrokken partijen. Tenslotte passen deze methoden in een grotere context van automatische waardebepaling van inhoud op het web. Daarom onderzoeken we ook automatische inschatting van relevantie, op basis van semantische gelijkenis.