1. Apprendre
    2. /
  2. Cours
    3. /
  3. Introduction aux embeddings avec l'API d'OpenAI
Connected

Exercice

Trouver le produit le plus similaire

Être capable de calculer la similarité entre des embeddings est une étape clé dans les applications utilisant des embeddings. Dans cet exercice, vous allez revenir à la liste de dictionnaires products utilisée plus tôt, qui contient aussi les courtes descriptions mises en embedding que vous avez créées précédemment.

Vous comparerez un court texte à ces descriptions mises en embedding pour repérer celle qui est la plus similaire.

numpy a été importé sous le nom np, et distance provient de scipy.spatial. Une fonction create_embeddings() a déjà été définie pour vous et est prête à être utilisée pour créer des embeddings à partir d'une seule entrée.

Instructions

100 XP
  • Mettez en embedding le texte "soap" à l'aide de votre fonction personnalisée create_embeddings() et extrayez une seule liste d'emeddings.
  • Calculez la distance cosinus entre query_embedding et les embeddings dans product.
  • Trouvez et affichez la 'short_description' du produit le plus similaire au texte de recherche en utilisant les distances dans distances.