Arricchire gli embeddings
In precedenza, quando creavi gli embedding delle informazioni sui prodotti, eri limitato a incorporare solo la 'short_description' del prodotto, che catturava alcune, ma non tutte le informazioni rilevanti disponibili. In questo esercizio, creerai gli embedding di 'title', 'short_description', 'category' e 'features' per catturare molte più informazioni.
Ecco un promemoria dell'elenco products di dizionari:
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"
]
},
...
]
Quando combini le caratteristiche in un'unica stringa, dovrebbe avere la seguente struttura:
Title: <product title>
Description: <product description>
Category: <product category>
Features: <feature 1>; <feature 2>; <feature 3>; ...
Questo esercizio fa parte del corso
Introduzione agli Embeddings con l'API di OpenAI
Istruzioni dell'esercizio
- Definisci una funzione chiamata
create_product_text()per combinare i datititle,short_description,categoryefeaturesin un'unica stringa con la struttura desiderata. - Usa
create_product_text()per combinare le caratteristiche per ogni prodotto inproducts, salvando i risultati in una lista. - Crea gli embedding del testo in
product_texts.
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# 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 = ____