Osadzanie opisów produktów

Otrzymujesz listę słowników o nazwie products, która zawiera informacje o różnych produktach sprzedawanych przez sklep internetowy. Twoim zadaniem jest osadzenie pola 'short_description' każdego produktu, aby umożliwić wyszukiwanie semantyczne na stronie sklepu.

Oto podgląd listy słowników products:

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"
        ]
    },
    ...
]

Klient OpenAI został już utworzony i przypisany do zmiennej client.

To ćwiczenie jest częścią kursu

Wprowadzenie do osadzeń z OpenAI API

Zobacz kurs

Instrukcje do ćwiczenia

Utwórz listę o nazwie product_descriptions, zawierającą pole 'short_description' każdego produktu z listy products – użyj do tego wyrażenia listowego.
Utwórz osadzenia (embeddings) dla każdego pola 'short_description' produktu, korzystając z przetwarzania wsadowego (batchingu) – przekaż dane wejściowe do modelu text-embedding-3-small.
Wyodrębnij osadzenia każdego produktu z response_dict i zapisz je w products pod nowym kluczem 'embedding'.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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())

Edytuj i uruchom kod