商品レコメンデーションシステム

この演習では、さまざまな商品を販売するオンライン小売業者向けのレコメンデーションシステムを作成します。このシステムは、商品ページを訪問したものの購入しなかったユーザーに対して、最後に閲覧した商品をもとに類似商品を3つ提案します。

サイトで販売されている商品の辞書のリストが用意されています。

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",
            ...
            "Fast wireless charging"
        ]
    },
    ...
]

また、ユーザーが最後に閲覧した商品は last_product という辞書に格納されています。

コース内で定義済みの以下のカスタム関数も利用できます。

• create_embeddings(texts) ： texts 内の各テキストの埋め込みのリストを返します。
• create_product_text(product) ： product の情報を、埋め込み用に1つの文字列に結合します。
• find_n_closest(query_vector, embeddings, n=3) ：コサイン距離を計算し、 query_vector と embeddings の間で最も小さい n 件の距離とそのインデックスを返します。