การเพิ่มความสมบูรณ์ให้เอ็มเบดดิ้ง

ก่อนหน้านี้ เมื่อสร้างเอ็มเบดดิ้งจากข้อมูลสินค้า เราใช้เพียง 'short_description' ซึ่งครอบคลุมข้อมูลเพียงบางส่วน ในแบบฝึกหัดนี้ จะสร้างเอ็มเบดดิ้งจาก 'title', 'short_description', 'category' และ 'features' เพื่อให้ได้ข้อมูลที่ครบถ้วนยิ่งขึ้น

นี่คือตัวอย่าง products ซึ่งเป็นลิสต์ของดิกชันนารี:

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"
        ]
    },
    ...
]

เมื่อรวม features เป็นสตริงเดียว โครงสร้างควรเป็นดังนี้:

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

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การสร้าง Embeddings ด้วย OpenAI API

ดูคอร์ส

คำแนะนำการฝึกหัด

กำหนดฟังก์ชันชื่อ create_product_text() เพื่อรวมข้อมูล title, short_description, category และ features เข้าเป็นสตริงเดียวตามโครงสร้างที่ต้องการ
ใช้ create_product_text() เพื่อรวมข้อมูล features ของสินค้าแต่ละรายการใน products แล้วเก็บผลลัพธ์ไว้ในลิสต์
สร้างเอ็มเบดดิ้งจากข้อความใน product_texts

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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 = ____

แก้ไขและรันโค้ด