Intégrer des descriptions de produits
On vous a fourni une liste de dictionnaires appelée products, qui contient des informations sur différents produits vendus par un détaillant en ligne. Il vous incombe d'intégrer le site 'short_description' pour chaque produit afin de permettre une recherche sémantique sur le site web 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 attribué à client.
Cet exercice fait partie du cours
Introduction à l'intégration avec l'API OpenAI
Instructions
- Créez une liste appelée
product_descriptionscontenant les'short_description'pour chaque produit dansproductsà l'aide d'une compréhension de liste. - Créez des encastrements pour chaque produit
'short_description'à l'aide de la mise en lots, en transmettant l'entrée au modèletext-embedding-3-small. - Extrayez de
response_dictles enchâssements pour chaque produit et stockez-les dansproductssous une nouvelle clé appelée'embedding'.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# 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())