CommencezCommencez gratuitement

Intégrer des descriptions de produits

On vous a fourni une liste de dictionnaires appelée products, qui contient des renseignements sur différents produits vendus par un détaillant en ligne. Votre tâche est d'intégrer la 'short_description' de chaque produit pour activer la recherche sémantique sur le site du détaillant.

Voici un aperçu de la liste de dictionnaires products :

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"
        ]
    },
    ...
]

Un client OpenAI a déjà été créé et est assigné à client.

Cette activité fait partie du cours

Introduction aux embeddings avec l'API d'OpenAI

Voir le cours

Instructions de l’exercice

  • Créez une liste appelée product_descriptions qui contient la 'short_description' de chaque produit dans products au moyen d'une compréhension de liste.
  • Créez des embeddings pour chaque 'short_description' de produit en utilisant le traitement par lots (batching), en passant l'entrée au modèle text-embedding-3-small.
  • Extrayez les embeddings de chaque produit à partir de response_dict et stockez-les dans products sous une nouvelle clé appelée 'embedding'.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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())
Modifier et exécuter le code