Menselijke beslissingen zijn geen eenvoudige wedstrijd van voorkeuren of behoeften aan acties die deze behoeften te voldoen. Besluitvorming is nogal een complex proces dat wordt gedreven door de voorkeuren en behoeften van een persoon, maar wordt ook beïnvloed door de persoonlijkheid van mensen en meerdere contextuele aspecten. De overvloed aan mogelijkheden en de bijbehorende keuzes die mensen moeten maken, hebben de ontwikkeling van software tools gestimuleerd om mensen te helpen in dit besluitvormingsproces. Recommender systemen zijn dergelijke hulpmiddelen die mensen relevante suggesties voor allerlei dingen zoals audiovisuele media, webpagina's, aanbiedingen van online winkels, etc. waardoor het probleem van informatie-overload op het internet verlichten bieden. Echter contextuele informatie wordt vaak genegeerd of niet ten volle benut in de aanbeveling proces. Dit project heeft tot doel nieuwe algoritmes die mensen helpt bij het besluitvormingsproces door het analyseren van gegevens van het gedrag van gebruikers en contextuele functies te ontwikkelen. Deze algoritmen gaan verder dan bestaande oplossingen door het opnemen van een diepe kennis over de context van de mensen de informatie nodig hebben. Deze kennis zal worden verkregen door een kader dat instaat voor het verzamelen en analyseren van grote hoeveelheden ruwe data te ontwikkelen en verwerken tot betekenisvolle contextuele informatie. Deze contextuele informatie zal worden gebruikt om te begrijpen en het model van de mensen redeneren bij het nemen van beslissingen. De toepasbaarheid van de ontwikkelde algoritmen zullen worden gevalideerd door real-life scenario's met meerdere testgebruikers.