Incorporação de descrições de produtos
Você recebeu uma lista de dicionários chamada products, que contém informações de diferentes produtos vendidos por um varejista on-line. Cabe a você incorporar o 'short_description' a cada produto para permitir a pesquisa semântica no site do varejista.
Aqui está uma prévia da lista de dicionários do site 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"
]
},
...
]
Um cliente OpenAI já foi criado e atribuído a client.
Este exercício faz parte do curso
Introdução aos embeddings com o OpenAI API
Instruções de exercício
- Crie uma lista chamada
product_descriptionscontendo o'short_description'para cada produto emproductsusando uma compreensão de lista. - Crie embeddings para cada produto
'short_description'usando batching, passando a entrada para o modelotext-embedding-3-small. - Extraia os embeddings de cada produto de
response_dicte armazene-os emproductscom uma nova chave chamada'embedding'.
Exercício interativo prático
Experimente este exercício preenchendo este código de exemplo.
# 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())