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

연습 문제

가장 유사한 상품 찾기

임베딩 간 유사도를 계산하는 능력은 임베딩 기반 애플리케이션에서 핵심 단계입니다. 이번 연습에서는 이전에 다뤘던 products 딕셔너리 리스트로 돌아가서, 앞에서 생성한 임베딩된 간단한 설명들이 포함된 데이터를 다시 사용합니다.

텍스트 한 조각을 이 임베딩된 설명들과 비교하여 가장 유사한 설명을 찾아보세요.

numpy는 np로 임포트되어 있고, distance는 scipy.spatial에서 사용할 수 있습니다. 단일 입력에서 임베딩을 생성하기 위한 create_embeddings() 함수가 이미 정의되어 있으며 사용 가능합니다.

지침

100 XP
  • 사용자 정의 함수 create_embeddings()를 사용해 "soap" 텍스트를 임베딩하고, 단일 임베딩 리스트를 추출하세요.
  • query_embedding과 product의 임베딩들 사이의 코사인 거리를 계산하세요.
  • distances의 코사인 거리를 사용해 검색 텍스트와 가장 유사한 상품의 'short_description'을 찾아 출력하세요.