Tìm sản phẩm giống nhất
Khả năng tính độ tương đồng giữa các embedding là một bước then chốt trong các ứng dụng embeddings. Trong bài tập này, bạn sẽ quay lại danh sách từ điển products mà bạn đã làm trước đó, danh sách này chứa các mô tả ngắn đã được nhúng (embedded) mà bạn cũng đã tạo trước đó.
Bạn sẽ so sánh một đoạn văn bản với các mô tả đã được nhúng này để xác định mô tả giống nhất.
numpy đã được nhập dưới tên np, và distance sẵn có từ scipy.spatial. Hàm create_embeddings() đã được định nghĩa sẵn cho bạn và có thể dùng để tạo embeddings từ một đầu vào đơn lẻ.
Bài tập này là một phần của khóa học
Nhập môn Embeddings với OpenAI API
Hướng dẫn bài tập
- Nhúng (embed) văn bản
"soap"bằng hàm tùy chỉnhcreate_embeddings()của bạn và trích xuất một danh sách embedding đơn. - Tính khoảng cách cosine giữa
query_embeddingvà các embedding trongproduct. - Tìm và in
'short_description'của sản phẩm giống nhất với văn bản tìm kiếm, sử dụng các khoảng cách cosine trongdistances.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Embed the search text
search_text = "soap"
search_embedding = ____
distances = []
for product in products:
# Compute the cosine distance for each product description
dist = ____(search_embedding, ____)
distances.append(dist)
# Find and print the most similar product short_description
min_dist_ind = ____
print(____)