Trực quan hóa các mô tả đã được nhúng
Bây giờ bạn đã tạo embeddings từ phần mô tả sản phẩm, đến lúc khám phá chúng! Bạn sẽ dùng t-SNE để giảm số chiều của dữ liệu embeddings từ 1.536 xuống còn hai, giúp việc trực quan hóa dễ hơn nhiều.
Bạn sẽ bắt đầu với danh sách products gồm các dictionary mà bạn đã làm ở bài trước, chứa thông tin sản phẩm và embeddings được tạo từ 'short_description'. Nhắc lại, đây là ảnh xem trước của 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"
],
"embedding": [-0.014650369994342327, ..., 0.008677126839756966]
},
...
]
matplotlib.pyplot và numpy đã được import lần lượt là plt và np.
Bài tập này là một phần của khóa học
Nhập môn Embeddings với OpenAI API
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Create categories and embeddings lists using list comprehensions
categories = [product[____] for product in products]
embeddings = [product[____] for product in products]