1. Learn
    2. /
  2. Курси
    3. /
  3. Вступ до Embeddings з OpenAI API
Connected

вправа

Додавання історії користувача до системи рекомендацій

У багатьох задачах рекомендацій, наприклад, для фільмів чи покупок, спиратися на одну подію недостатньо. У таких випадках потрібно вбудовувати всі або частину переглядів користувача, щоб отримати точніші й доречніші рекомендації.

У цій вправі ви розширите свою систему рекомендацій товарів так, щоб вона враховувала всі товари, які користувач переглядав раніше. Вони зберігаються у списку словників user_history.

Ви можете скористатися такими допоміжними функціями: create_embeddings(texts), create_product_text(product) і find_n_closest(query_vector, embeddings, n=3). Також імпортовано numpy як np.

Інструкції

100 XP
  • Об'єднайте текстові ознаки для кожного товару в user_history, створіть вкладення для отриманих рядків і обчисліть середні вкладення за допомогою numpy.
  • Відфільтруйте products, щоб прибрати товари, які вже є в user_history.
  • Об'єднайте ознаки для кожного товару в products_filtered і створіть вкладення для отриманих рядків.