Embeddings verrijken

Eerder, toen je productinformatie embedde, was je beperkt tot alleen de 'short_description' van het product. Die bevatte een deel, maar niet alle relevante productinformatie. In deze oefening embed je 'title', 'short_description', 'category' en 'features' om veel meer informatie vast te leggen.

Hier is een geheugensteuntje van de products-lijst met dictionaries:

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"
        ]
    },
    ...
]

Bij het combineren van de features tot één string moet het de volgende structuur hebben:

Title: <product title>
Description: <product description>
Category: <product category>
Features: <feature 1>; <feature 2>; <feature 3>; ...

Deze oefening maakt deel uit van de cursus

Introductie tot Embeddings met de OpenAI API

Bekijk cursus

Oefeninstructies

Definieer een functie create_product_text() die de gegevens title, short_description, category en features samenvoegt tot één string met de gewenste structuur.
Gebruik create_product_text() om de features voor elk product in products te combineren en sla de resultaten op in een lijst.
Embed de tekst in product_texts.

Interactieve oefening met praktijkervaring

Probeer deze oefening door deze voorbeeldcode aan te vullen.

# Define a function to combine the relevant features into a single string
def create_product_text(product):
  return f"""Title: {____}
Description: {____}
Category: {____}
Features: {____}"""

# Combine the features for each product
product_texts = [____ for product in ____]

# Create the embeddings from product_texts
product_embeddings = ____

Code bewerken en uitvoeren