제품 설명 임베딩하기
온라인 리테일러가 판매하는 여러 제품의 정보가 담긴 딕셔너리 리스트 products가 제공되었어요. 소매점 웹사이트에서 시맨틱 검색을 사용할 수 있도록 각 제품의 'short_description'을 임베딩하세요.
다음은 딕셔너리 리스트 products의 미리 보기예요:
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"
]
},
...
]
OpenAI 클라이언트는 이미 생성되어 client에 할당되어 있어요.
이 연습은 강의의 일부입니다
OpenAI API로 시작하는 임베딩 Introduction
연습 안내
- 리스트 컴프리헨션을 사용해
products의 각 항목에서'short_description'만 담은 리스트product_descriptions를 만드세요. - 배치 처리를 사용해 각 제품의
'short_description'에 대한 임베딩을 생성하고, 입력은text-embedding-3-small모델에 전달하세요. - 각 제품의 임베딩을
response_dict에서 추출해,products의 각 항목에'embedding'이라는 새 키로 저장하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Extract a list of product short descriptions from products
product_descriptions = [____ for product in ____]
# Create embeddings for each product description
response = ____
response_dict = response.model_dump()
# Extract the embeddings from response_dict and store in products
for i, product in ____:
product['embedding'] = response_dict[____][____][____]
print(products[0].items())