Ürün açıklamalarını gömme

Bir çevrimiçi perakendecinin sattığı farklı ürünlere ait bilgileri içeren products adlı sözlüklerden oluşan bir liste sana verildi. Görevin, perakendecinin web sitesinde anlamsal aramayı (semantic search) mümkün kılmak için her ürünün 'short_description' alanını gömmek.

İşte products listesinin bir önizlemesi:

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"
        ]
    },
    ...
]

Bir OpenAI istemcisi zaten oluşturuldu ve client değişkenine atandı.

Bu egzersiz, kursun bir parçasıdır

OpenAI API ile Embeddings’e Giriş

Kursa Göz Atın

Egzersiz talimatları

Bir liste üreteci kullanarak products içindeki her ürünün 'short_description' alanını içeren product_descriptions adlı bir liste oluştur.
Girdiyi text-embedding-3-small modeline vererek, toplu işleme (batching) ile her ürünün 'short_description' metinleri için gömme oluştur.
Her ürün için gömmeleri response_dict içinden çıkar ve products içinde 'embedding' adlı yeni bir anahtar altında sakla.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# 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())

Kodu Düzenle ve Çalıştır