Sistemas de recomendación

Introducción a las incrustaciones con la OpenAI API

Emmanuel Pire

Senior Software Engineer, DataCamp

Sistemas de recomendación con embeddings

¡Muy parecido a la búsqueda semántica!

Proceso:

Genera embeddings de las posibles recomendaciones y del punto de datos

Un punto de datos azul y varios puntos rojos en el espacio vectorial.

Sistemas de recomendación con embeddings

¡Muy parecido a la búsqueda semántica!

Proceso:

Genera embeddings de las posibles recomendaciones y del punto de datos
Calcula distancias coseno

Un punto de datos azul y varios puntos rojos en el espacio vectorial. Hay una línea entre cada punto rojo y el azul para indicar la distancia coseno.

Sistemas de recomendación con embeddings

¡Muy parecido a la búsqueda semántica!

Proceso:

Genera embeddings de las posibles recomendaciones y del punto de datos
Calcula distancias coseno
Recomienda los elementos más cercanos

Se han resaltado los tres puntos rojos más cercanos.

Ejemplo: Artículos recomendados

articles = [
    {"headline": "Economic Growth Continues Amid Global Uncertainty",
     "topic": "Business",
     "keywords": ["economy", "business", "finance"]},
    ...
    {"headline": "1.5 Billion Tune-in to the World Cup Final",
     "topic": "Sport",
     "keywords": ["soccer", "world cup", "tv"]}
]


current_article = {"headline": "How NVIDIA GPUs Could Decide Who Wins the AI Race",
                   "topic": "Tech",
                   "keywords": ["ai", "business", "computers"]}

Combinación de características

def create_article_text(article):
  return f"""Headline: {article['headline']}
Topic: {article['topic']}
Keywords: {', '.join(article['keywords'])}"""

article_texts = [create_article_text(article) for article in articles]
current_article_text = create_article_text(current_article)
print(current_article_text)

Headline: How NVIDIA GPUs Could Decide Who Wins the AI Race
Topic: Tech
Keywords: ai, business, computers

Creación de embeddings

def create_embeddings(texts):
  response = openai.Embedding.create(
    model="text-embedding-3-small",
    input=texts
  )
  response_dict = response.model_dump()

  return [data['embedding'] for data in response_dict['data']]

current_article_embeddings = create_embeddings(current_article_text)[0]
article_embeddings = create_embeddings(article_texts)

Encontrar el artículo más similar

def find_n_closest(query_vector, embeddings, n=3):
  distances = []
  for index, embedding in enumerate(embeddings):
    dist = spatial.distance.cosine(query_vector, embedding)
    distances.append({"distance": dist, "index": index})
  distances_sorted = sorted(distances, key=lambda x: x["distance"])
  return distances_sorted[0:n]

hits = find_n_closest(current_article_embeddings, article_embeddings)


for hit in hits:
  article = articles[hit['index']]
  print(article['headline'])

Encontrar el artículo más similar

Tech Giant Buys 49% Stake In AI Startup
Tech Company Launches Innovative Product to Improve Online Accessibility
Scientists Make Breakthrough Discovery in Renewable Energy

Añadir historial del usuario

user_history = [
    {"headline": "How NVIDIA GPUs Could Decide Who Wins the AI Race",
     "topic": "Tech",
     "keywords": ["ai", "business", "computers"]},
    {"headline": "Tech Giant Buys 49% Stake In AI Startup",
     "topic": "Tech",
     "keywords": ["business", "AI"]}
]

Recomendaciones con múltiples puntos de datos

Un diagrama con artículos embebidos, donde los del historial del usuario aparecen en azul y los no vistos en rojo.

Recomendaciones con múltiples puntos de datos

Proceso:

Combina varios vectores en uno tomando la media
Calcula distancias coseno

Se ha añadido un punto calculado como la media de los dos vectores entre ambos puntos.

Recomendaciones con múltiples puntos de datos

Proceso:

Combina varios vectores en uno tomando la media
Calcula distancias coseno
Recomienda el vector más cercano

Se ha resaltado el punto rojo más cercano para recomendarlo.

Recomendaciones con múltiples puntos de datos

Proceso:

Combina varios vectores en uno tomando la media
Calcula distancias coseno
Recomienda el vector más cercano

El punto más cercano ahora aparece en azul para destacar que el código debe excluir artículos ya leídos por el usuario.

Recomendaciones con múltiples puntos de datos

Proceso:

Combina varios vectores en uno tomando la media
Calcula distancias coseno
Recomienda el vector más cercano
- Asegúrate de que no se haya leído

Se ha resaltado el punto rojo más cercano, esta vez más alejado.

Recomendaciones con múltiples puntos de datos

def create_article_text(article):
  return f"""Headline: {article['headline']}
Topic: {article['topic']}
Keywords: {', '.join(article['keywords'])}"""

history_texts = [create_article_text(article) for article in user_history]
history_embeddings = create_embeddings(history_texts)

mean_history_embeddings = np.mean(history_embeddings, axis=0)


articles_filtered = [article for article in articles if article not in user_history]

article_texts = [create_article_text(article) for article in articles_filtered]
article_embeddings = create_embeddings(article_texts)

Recomendaciones con múltiples puntos de datos

hits = find_n_closest(mean_history_embeddings, article_embeddings)


for hit in hits:
  article = articles_filtered[hit['index']]
  print(article['headline'])

Tech Company Launches Innovative Product to Improve Online Accessibility
New Social Media Platform Has Everyone Talking!
Scientists Make Breakthrough Discovery in Renewable Energy

¡Vamos a practicar!

Introducción a las incrustaciones con la OpenAI API