Membuat embedding deskripsi produk

Anda telah disediakan daftar kamus bernama products, yang memuat informasi produk untuk berbagai produk yang dijual oleh sebuah peritel daring. Tugas Anda adalah membuat embedding untuk 'short_description' dari setiap produk guna mengaktifkan pencarian semantik di situs web peritel tersebut.

Berikut pratinjau 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"
        ]
    },
    ...
]

Klien OpenAI telah dibuat dan ditetapkan ke client.

Latihan ini merupakan bagian dari kursus

Pengantar Embeddings dengan OpenAI API

Lihat Kursus

Instruksi latihan

Buat daftar bernama product_descriptions yang berisi 'short_description' untuk setiap produk di products menggunakan list comprehension.
Buat embedding untuk setiap 'short_description' produk menggunakan batching, dengan memberikan input ke model text-embedding-3-small.
Ekstrak embedding untuk setiap produk dari response_dict dan simpan ke dalam products di bawah kunci baru bernama 'embedding'.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# 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())

Edit dan Jalankan Kode