Přidání historie uživatele do doporučovacího systému

V mnoha případech doporučování – například filmů nebo nákupů – nestačí zakládat další doporučení jen na jednom datovém bodu. V takových situacích je potřeba vložit do embeddingů celou historii uživatele nebo její část, aby byla doporučení přesnější a relevantnější.

V tomto cvičení rozšíříš svůj produktový doporučovací systém tak, aby zohlednil všechny produkty, které uživatel dříve navštívil. Tyto produkty jsou uloženy v seznamu slovníků user_history.

K dispozici máš následující vlastní funkce: create_embeddings(texts), create_product_text(product) a find_n_closest(query_vector, embeddings, n=3). Knihovna numpy je také již naimportovaná jako np.

Zkombinuj textové vlastnosti každého produktu z user_history, vytvoř embeddingy z výsledných řetězců a pomocí numpy vypočítej jejich průměr.
Filtruj products tak, aby výsledný seznam neobsahoval produkty, které jsou v user_history.
Zkombinuj vlastnosti každého produktu z products_filtered a vytvoř embeddingy z výsledných řetězců.

.css-6su6fj{-webkit-flex-shrink:0;-ms-flex-negative:0;flex-shrink:0;}cvičení

Pokyny

cvičení