Mulai sekarangMulai gratis

Memperkaya embedding

Sebelumnya, saat Anda melakukan embedding informasi produk, Anda hanya dapat melakukan embedding pada 'short_description' produk, yang menangkap sebagian, tetapi belum semua informasi produk yang relevan. Pada latihan ini, Anda akan melakukan embedding untuk 'title', 'short_description', 'category', dan 'features' guna menangkap informasi yang jauh lebih lengkap.

Berikut pengingat tentang daftar kamus 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"
        ]
    },
    ...
]

Saat menggabungkan fitur ke dalam satu string, strukturnya harus sebagai berikut:

Title: <product title>
Description: <product description>
Category: <product category>
Features: <feature 1>; <feature 2>; <feature 3>; ...

Latihan ini merupakan bagian dari kursus

Pengantar Embeddings dengan OpenAI API

Lihat Kursus

Instruksi latihan

  • Definisikan fungsi bernama create_product_text() untuk menggabungkan data title, short_description, category, dan features menjadi satu string dengan struktur yang diinginkan.
  • Gunakan create_product_text() untuk menggabungkan fitur untuk setiap produk di products, lalu simpan hasilnya dalam sebuah daftar.
  • Lakukan embedding pada teks di product_texts.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# 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 = ____
Edit dan Jalankan Kode