将用户历史加入推荐引擎

在许多推荐场景中（如电影或购物推荐），仅基于一个数据点来生成下一次推荐往往不够。在这些情况下，您需要对用户的全部或部分历史进行嵌入，以获得更准确且更相关的推荐。

本练习中，您将扩展产品推荐系统，使其考虑用户之前访问过的所有商品。这些商品保存在名为 user_history 的字典列表中。

您可以使用以下自定义函数：create_embeddings(texts)、create_product_text(product) 和 find_n_closest(query_vector, embeddings, n=3)。此外，已将 numpy 以 np 名称导入。