Обогащение эмбеддингов

Ранее при создании эмбеддингов для информации о товарах вы были ограничены только полем 'short_description', которое отражало лишь часть доступных данных. В этом упражнении вы будете использовать поля 'title', 'short_description', 'category' и 'features', чтобы охватить значительно больше информации.

Напомним структуру списка словарей 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"
        ]
    },
    ...
]

При объединении характеристик в одну строку она должна иметь следующую структуру:

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

Это упражнение является частью курса

Введение в эмбеддинги с OpenAI API

Посмотреть курс

Инструкции к упражнению

Определите функцию create_product_text(), которая объединяет данные из полей title, short_description, category и features в одну строку с нужной структурой.
Используйте create_product_text(), чтобы объединить характеристики каждого товара из products, и сохраните результаты в список.
Создайте эмбеддинги для текста из product_texts.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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 = ____

Редактировать и запускать код