У роботі розглянуто застосування методів машинного навчання та обробки текстових даних для класифікації та рекомендації парфумів на основі їх характеристик. Для цього використані методи обробки текстових даних, зокрема TF-IDF, та косинусна схожість для обчислення подібності, що дає можливість ідентифікувати найбільш схожі парфуми в наборі даних. Такий підхід дозволяє сформувати рекомендаційні системи, які можуть надавати користувачам персоналізовані пропозиції щодо продуктів, що відповідають їхнім уподобанням. Для реалізації поставленої мети було використано популярні бібліотеки Python, такі як scikit-learn для обробки текстових даних, а також бібліотеки для візуалізації даних, такі як Seaborn.
The paper considers the application of machine learning methods and text data processing for the classification and recommendation of perfumes based on their characteristics. For this purpose, text data processing methods, in particular TF-IDF, and cosine similarity are used to calculate similarity, which makes it possible to identify the most similar perfumes in the dataset. This approach allows you to form recommendation systems that can provide users with personalized product offers that match their preferences. To achieve this goal, popular Python libraries such as scikit-learn for processing text data, as well as libraries for data visualization, such as Seaborn, were used.
