1. Učit se
    2. /
  2. Kurzy
    3. /
  3. Introduction to Embeddings with the OpenAI API
Connected

cvičení

Doporučovací systém produktů

V tomto cvičení vytvoříš doporučovací systém pro internetový obchod s různorodým sortimentem. Systém doporučí tři podobné produkty uživatelům, kteří navštíví stránku produktu, ale nic nekoupí – doporučení vychází z posledního produktu, který si prohlédli.

Máš k dispozici seznam slovníků s produkty dostupnými na webu,

products = [
    {
        "title": "Smartphone X1",
        "short_description": "The latest flagship smartphone with AI-powered features and 5G connectivity.",
        "price": 799.99,
        "category": "Electronics",
        "features": [
            "6.5-inch AMOLED display",
            ...
            "Fast wireless charging"
        ]
    },
    ...
]

a slovník s posledním produktem, který si uživatel prohlédl, uložený v last_product.

K dispozici máš také následující vlastní funkce definované dříve v kurzu:

  • create_embeddings(texts) → vrátí seznam embeddingů pro každý text v texts.
  • create_product_text(product) → sloučí vlastnosti product do jednoho řetězce připraveného k embeddingu.
  • find_n_closest(query_vector, embeddings, n=3) → vrátí n nejbližších vzdáleností a jejich indexů mezi query_vector a embeddings na základě kosinové vzdálenosti.

Pokyny

100 XP
  • Zkombinuj textové vlastnosti z last_product a pro každý produkt v products použij create_product_text().
  • Vytvoř embeddingy pro last_product_text a product_texts pomocí create_embeddings() a zajisti, že last_product_embeddings bude jediný seznam.
  • Najdi tři nejmenší kosinové vzdálenosti a jejich indexy pomocí find_n_closest().