Sisteme de recomandare

Introducere în Embeddings cu API-ul OpenAI

Emmanuel Pire

Senior Software Engineer, DataCamp

Sisteme de recomandare cu embedding-uri

Foarte similar cu căutarea semantică!

Proces:

Încorporați recomandările potențiale și punctul de date

Un punct de date albastru și mai multe puncte roșii în spațiul vectorial.

Sisteme de recomandare cu embedding-uri

Foarte similar cu căutarea semantică!

Proces:

Încorporați recomandările potențiale și punctul de date
Calculați distanțele cosinus

Un punct de date albastru și mai multe puncte roșii în spațiul vectorial. Există o linie între fiecare punct roșu și cel albastru pentru a indica distanța cosinus.

Sisteme de recomandare cu embedding-uri

Foarte similar cu căutarea semantică!

Proces:

Încorporați recomandările potențiale și punctul de date
Calculați distanțele cosinus
Recomandați elementele cele mai apropiate

Cele trei puncte roșii cele mai apropiate au fost evidențiate.

Exemplu: Articole recomandate

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"]}

Combinarea caracteristicilor

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

Crearea embedding-urilor

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)

Găsirea articolului cel mai 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'])

Găsirea articolului cel mai 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

Adăugarea istoricului utilizatorului

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"]}
]

Recomandări pe mai multe puncte de date

Un grafic cu articole încorporate: articolele din istoricul utilizatorului sunt afișate în albastru, iar cele nevăzute în roșu.

Recomandări pe mai multe puncte de date

Proces:

Combinați mai mulți vectori într-unul singur folosind media
Calculați distanțele cosinus

Un punct calculat din media celor doi vectori a fost adăugat între cele două puncte.

Recomandări pe mai multe puncte de date

Proces:

Combinați mai mulți vectori într-unul singur folosind media
Calculați distanțele cosinus
Recomandați vectorul cel mai apropiat

Cel mai apropiat punct roșu a fost evidențiat pentru recomandare.

Recomandări pe mai multe puncte de date

Proces:

Combinați mai mulți vectori într-unul singur folosind media
Calculați distanțele cosinus
Recomandați vectorul cel mai apropiat

Cel mai apropiat punct a fost colorat în albastru pentru a sublinia că articolele deja citite de utilizator trebuie excluse.

Recomandări pe mai multe puncte de date

Proces:

Combinați mai mulți vectori într-unul singur folosind media
Calculați distanțele cosinus
Recomandați vectorul cel mai apropiat
- Asigurați-vă că nu a fost citit

Cel mai apropiat punct roșu, de această dată mai îndepărtat, a fost evidențiat.

Recomandări pe mai multe puncte de date

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)

Recomandări pe mai multe puncte de date

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

Să exersăm!

Introducere în Embeddings cu API-ul OpenAI