Produktbeschreibungen einbetten

Du hast eine Liste mit Wörterbüchern erhalten, die products heißt und Produktinformationen für verschiedene Produkte enthält, die von einem Online-Händler verkauft werden. Deine Aufgabe ist es, die 'short_description' für jedes Produkt einzubetten, um die semantische Suche auf der Website des Händlers zu ermöglichen.

Hier ist eine Vorschau auf die products Liste der Wörterbücher:

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",

            "Quad-camera system with 48MP main sensor",

            "Face recognition and fingerprint sensor",

            "Fast wireless charging"

        ]

    },

    ...

]

Ein OpenAI-Client wurde bereits erstellt und client zugewiesen.

Diese Übung ist Teil des Kurses

Einführung in Embeddings mit der OpenAI API

Kurs anzeigen

Anleitung zur Übung

Erstelle eine Liste namens product_descriptions, die die 'short_description' für jedes Produkt in products enthält, indem du ein Listenverständnis verwendest.
Erstelle Einbettungen für jedes Produkt 'short_description' mit Hilfe von Batching und übergebe den Input an das text-embedding-3-small Modell.
Extrahiere die Einbettungen für jedes Produkt aus response_dict und speichere sie in products unter einem neuen Schlüssel namens 'embedding'.

Interaktive Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Extract a list of product short descriptions from products
product_descriptions = [____ for product in ____]

# Create embeddings for each product description
response = ____
response_dict = response.model_dump()

# Extract the embeddings from response_dict and store in products
for i, product in ____:
    product['embedding'] = response_dict[____][____][____]
    
print(products[0].items())

Code bearbeiten und ausführen