Visualizzare le descrizioni incorporate
Ora che hai creato gli embeddings a partire dalle descrizioni dei prodotti, è il momento di esplorarli! Userai t-SNE per ridurre il numero di dimensioni dei dati degli embeddings da 1.536 a due, così sarà molto più facile visualizzarli.
Partirai dall'elenco di dizionari products con cui hai lavorato nell'esercizio precedente, che contiene le informazioni sui prodotti e gli embeddings creati dalla 'short_description'. Per ricordarti la struttura, ecco un'anteprima di 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"
],
"embedding": [-0.014650369994342327, ..., 0.008677126839756966]
},
...
]
matplotlib.pyplot e numpy sono già stati importati rispettivamente come plt e np.
Questo esercizio fa parte del corso
Introduzione agli Embeddings con l'API di OpenAI
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# Create categories and embeddings lists using list comprehensions
categories = [product[____] for product in products]
embeddings = [product[____] for product in products]