Enrichir les embeddings
Auparavant, lorsque vous intégriez les informations produit, vous étiez limité à n’intégrer que la 'short_description' du produit, ce qui capturait une partie, mais pas l’ensemble des informations pertinentes disponibles. Dans cet exercice, vous allez intégrer 'title', 'short_description', 'category' et 'features' pour capturer bien plus d’informations.
Voici un rappel 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"
]
},
...
]
Lorsque vous regroupez les fonctionnalités en une seule chaîne, elle doit respecter la structure suivante :
Title: <product title>
Description: <product description>
Category: <product category>
Features: <feature 1>; <feature 2>; <feature 3>; ...
Cet exercice fait partie du cours
Introduction aux embeddings avec l’API OpenAI
Instructions
- Définissez une fonction appelée
create_product_text()pour combiner les donnéestitle,short_description,categoryetfeaturesen une seule chaîne de caractères avec la structure souhaitée. - Utilisez
create_product_text()pour combiner les informations de chaque produit dansproducts, en stockant les résultats dans une liste. - Intégrez le texte dans
product_texts.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# Define a function to combine the relevant features into a single string
def create_product_text(product):
return f"""Title: {____}
Description: {____}
Category: {____}
Features: {____}"""
# Combine the features for each product
product_texts = [____ for product in ____]
# Create the embeddings from product_texts
product_embeddings = ____