Skapa inbäddningar av produktbeskrivningar

Du har fått en lista med ordböcker som heter products. Den innehåller produktinformation för olika produkter som säljs av en nätbutik. Din uppgift är att skapa inbäddningar av 'short_description' för varje produkt, för att möjliggöra semantisk sökning på butikens webbplats.

Här är en förhandstitt på listan 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"
        ]
    },
    ...
]

En OpenAI-klient har redan skapats och tilldelats client.

Den här övningen är en del av kursen

Introduktion till inbäddningar med OpenAI API

Visa kurs

Övningsinstruktioner

Skapa en lista kallad product_descriptions som innehåller 'short_description' för varje produkt i products, med hjälp av ett listomfattningsuttryck.
Skapa inbäddningar för varje produkts 'short_description' med hjälp av batchning – skicka indata till modellen text-embedding-3-small.
Extrahera inbäddningarna för varje produkt från response_dict och lagra dem i products under en ny nyckel kallad 'embedding'.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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())

Redigera och kör kod