1. 학습
    2. /
  2. 강의
    3. /
  3. OpenAI API로 시작하는 임베딩 Introduction
Connected

연습 문제

추천 엔진에 사용자 이력 추가하기

영화나 구매 추천처럼 많은 추천 시나리오에서는 하나의 데이터 포인트만으로 다음 추천을 결정하기에 충분하지 않습니다. 이런 경우 더 정확하고 관련성 높은 추천을 위해 사용자 이력의 전체 또는 일부를 임베딩해야 합니다.

이 연습 문제에서는 사용자가 이전에 방문한 모든 상품을 고려하도록 상품 추천 시스템을 확장해 보겠습니다. 사용자의 과거 방문 상품은 user_history라는 딕셔너리 목록에 저장되어 있습니다.

다음 사용자 정의 함수를 사용할 수 있습니다: create_embeddings(texts), create_product_text(product), find_n_closest(query_vector, embeddings, n=3). 또한 numpy는 np로 임포트되어 있습니다.

지침

100 XP
  • user_history의 각 상품에 대해 텍스트 특징을 결합하고, 그 결과 문자열을 임베딩한 뒤 numpy로 평균 임베딩을 계산하세요.
  • user_history에 포함된 상품을 제거하여 products를 필터링하세요.
  • products_filtered의 각 상품에 대해 특징을 결합하고, 그 결과 문자열을 임베딩하세요.