Încorporarea descrierilor de produse

Ai la dispoziție o listă de dicționare numită products, care conține informații despre diferite produse vândute de un retailer online. Sarcina ta este să încorporezi câmpul 'short_description' pentru fiecare produs, astfel încât să activezi căutarea semantică pe site-ul retailerului.

Iată o previzualizare a listei de dicționare 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"
        ]
    },
    ...
]

Un client OpenAI a fost deja creat și atribuit variabilei client.

Acest exercițiu face parte din cursul

Introducere în Embeddings cu API-ul OpenAI

Vezi cursul

Instrucțiuni pentru exercițiu

Creează o listă numită product_descriptions care să conțină câmpul 'short_description' pentru fiecare produs din products, folosind o expresie de tip list comprehension.
Generează încorporările pentru fiecare 'short_description' de produs folosind procesarea în lot (batching), transmițând datele de intrare modelului text-embedding-3-small.
Extrage încorporările pentru fiecare produs din response_dict și stochează-le în products sub o cheie nouă numită 'embedding'.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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())

Editează și rulează codul