Hugging Face's logo

mini1013
/
master_cate_ac13

Text Classification
setfit
Safetensors
sentence-transformers
roberta
generated_from_setfit_trainer
Eval Results
Model card Files Community
master_cate_ac13 / README.md
mini1013's picture
mini1013
Push model using huggingface_hub.
51de00c verified
preview code
|
raw
history blame contribute delete
12 kB
metadata
base_model: mini1013/master_domain
library_name: setfit
metrics:
  - metric
pipeline_tag: text-classification
tags:
  - setfit
  - sentence-transformers
  - text-classification
  - generated_from_setfit_trainer
widget:
  - text: 14k 18k 1.5g 꼬임 꽈배기 반지 레이어드 실반지 심플 우정반지 커플링 골든시크릿 14k_화이트골드_1 세건인터내셔널
  - text: 은귀걸이+은목걸이 에센스 세트 실버 순은 여자 여성 고급케이스 오엑스골드
  - text: 유닉크한느낌 우아한반지 화려한 AAAA 10 11mm 남해 라운드 담수 한복반지진주반지 WHITE 리마106
  - text: 종로웨딩밴드 14K 18K 투톤 가드링세트 커플링 결혼반지 18K남자반지_리얼화이트골드(무도금)_18 최실
  - text: 로이드 10k 더블라인 7월 탄생석 반지 LRT1952GT 옐로우(YG)_6 동아쇼핑점
inference: true
model-index:
  - name: SetFit with mini1013/master_domain
    results:
      - task:
          type: text-classification
          name: Text Classification
        dataset:
          name: Unknown
          type: unknown
          split: test
        metrics:
          - type: metric
            value: 0.8263560686728597
            name: Metric

SetFit with mini1013/master_domain

This is a SetFit model that can be used for Text Classification. This SetFit model uses mini1013/master_domain as the Sentence Transformer embedding model. A LogisticRegression instance is used for classification.

The model has been trained using an efficient few-shot learning technique that involves:

  1. Fine-tuning a Sentence Transformer with contrastive learning.
  2. Training a classification head with features from the fine-tuned Sentence Transformer.

Model Details

Model Description

Model Sources

Model Labels

Label Examples
6.0
  • 'VENTFILLE95 스털링 실버 스타 플래시 스탈 작은 신선한 개 05 heart 베스트C몰'
  • '판도라 592313C01 시그니처 ID 파베 뱅글 SIZE2 뮤직 인트 (MUSIC INT)'
  • 'VENTFILLE95 스털링 실버 스타 플래시 스탈 작은 신선한 개 02 Gold 베스트C몰'
3.0
  • '두줄발찌 여자 발찌 두줄 실 남자 JUJIE 316L 스테인레스 스틸 트위스트 로프 체인 YF15692_은 상생COMMERCIAL'
  • '[현대백화점]스타일러스 A 허니허니13(14K) 251400187 (주)현대백화점'
  • '스네이크발찌 두줄발찌 패션 A Z 필기체 초기 편지 쿠바 캐주얼디자인 컷팅팔찌 Letter E_은 와이컴퍼니'
4.0
  • '(스와로브스키) (E+N+B) 라포드 스왈 세트 Rose gold_Amethys 펀스토리지'
  • '실버 아르도 미노스 백 3종SET S02-83 (주)루루골드'
  • '45%[골드피아] 골드정품 쥬얼리 24K/18K/14K 100여종 모음전 08) 14K 씬 컷팅 원터치 귀걸이_특대_PG 제메이스'
7.0
  • '데님 라피스 캐보션스톤 타원 16x12mm 뒤가 평평한 영진재료'
  • '질스튜어트 뉴욕 액세서리 화이트 스팽글장식 미니토트백 JABA4E451WT FREE OC홀딩스'
  • '고딕 100 925 스털링 실버 해골 펜던트 유행 펑크 스타일 태국 모자 아이마커'
2.0
  • '스타일러스트라이위시D(여)14K _211500038 15 신세계백화점'
  • '갤러리아 [HAZZYS ACC] [P.JUBILEE] 블랙 레터링 배색 클러치백 - HJBA7E372 갤러리아백화점'
  • '벨라뷰 다이아몬드 반지 0.2ct (F/VS2) 옵션에없는사이즈 (주)미꼬쥬얼리'
1.0
  • '[Hei] SWAROVSKI PEARL NECKLACE White (주)더블유컨셉코리아'
  • '[Hei]여자)아이들 미연, 태연, 트와이스 지효, 김민주, 송해나착용] swarovski pearl necklace White 신세계몰'
  • '윌헬미나 가르시아 I LOVE ME NECKLACE / HRT038-BLACK OS LFmall02'
0.0
  • '[티오유] [silver925] TB014 2 way black ball earrings ivory/FREE 주식회사 서울쇼룸'
  • '[🧡 ] 비비안웨스트우드 런던 오알비 싱글 스터드 62010239 / VIVIENNE WESTWOOD LONDON ORB SINGLE STUD GUNMETAL-TONE ONE UK TRADING LTD'
  • '[ANNAFLAIR1986] PEARL LONG EARRINGS SILVER (주)더블유컨셉코리아'
5.0
  • '수납 정리함 회전식 머리끈 액세서리 곱창 03.아이보리+화이트 행운의 주인공'
  • '폴리싱천 은세척천 광택천 실버천 에크미'
  • '아크릴 큐브 정사각형50x50x20mm 2302_037 맥스박스'
8.0
  • '14K 데일리 트라거스 라블렛 피어싱 귀걸이 14K골드_29.입체큐빅 십자가_바길이 4mm 욜로 컴퍼니(YOLO Company)'
  • '딜리셔스 진저쿠키 실버핑크 피어싱 TESSVP13959MPC-4 [0001]기본상품 CJONSTYLE'
  • '[비앤비골드] 14K 볼볼 탄생석 3mm 11월 시츄린 링 피어싱 귀걸이 한쪽 JNE26627 14K 옐로우골드 KT알파쇼핑_온라인몰'

Evaluation

Metrics

Label Metric
all 0.8264

Uses

Direct Use for Inference

First install the SetFit library:

pip install setfit

Then you can load this model and run inference.

from setfit import SetFitModel

# Download from the 🤗 Hub
model = SetFitModel.from_pretrained("mini1013/master_cate_ac13")
# Run inference
preds = model("은귀걸이+은목걸이 에센스 세트 실버 순은 여자 여성 고급케이스 오엑스골드")

Training Details

Training Set Metrics

Training set Min Median Max
Word count 3 10.3556 23
Label Training Sample Count
0.0 50
1.0 50
2.0 50
3.0 50
4.0 50
5.0 50
6.0 50
7.0 50
8.0 50

Training Hyperparameters

  • batch_size: (512, 512)
  • num_epochs: (20, 20)
  • max_steps: -1
  • sampling_strategy: oversampling
  • num_iterations: 40
  • body_learning_rate: (2e-05, 2e-05)
  • head_learning_rate: 2e-05
  • loss: CosineSimilarityLoss
  • distance_metric: cosine_distance
  • margin: 0.25
  • end_to_end: False
  • use_amp: False
  • warmup_proportion: 0.1
  • seed: 42
  • eval_max_steps: -1
  • load_best_model_at_end: False

Training Results

Epoch Step Training Loss Validation Loss
0.0141 1 0.386 -
0.7042 50 0.3306 -
1.4085 100 0.1325 -
2.1127 150 0.0469 -
2.8169 200 0.0185 -
3.5211 250 0.0014 -
4.2254 300 0.0006 -
4.9296 350 0.0003 -
5.6338 400 0.0002 -
6.3380 450 0.0002 -
7.0423 500 0.0002 -
7.7465 550 0.0001 -
8.4507 600 0.0001 -
9.1549 650 0.0001 -
9.8592 700 0.0001 -
10.5634 750 0.0001 -
11.2676 800 0.0001 -
11.9718 850 0.0001 -
12.6761 900 0.0001 -
13.3803 950 0.0001 -
14.0845 1000 0.0001 -
14.7887 1050 0.0001 -
15.4930 1100 0.0001 -
16.1972 1150 0.0001 -
16.9014 1200 0.0001 -
17.6056 1250 0.0001 -
18.3099 1300 0.0001 -
19.0141 1350 0.0001 -
19.7183 1400 0.0001 -

Framework Versions

  • Python: 3.10.12
  • SetFit: 1.1.0.dev0
  • Sentence Transformers: 3.1.1
  • Transformers: 4.46.1
  • PyTorch: 2.4.0+cu121
  • Datasets: 2.20.0
  • Tokenizers: 0.20.0

Citation

BibTeX 

@article{https://doi.org/10.48550/arxiv.2209.11055,
    doi = {10.48550/ARXIV.2209.11055},
    url = {https://arxiv.org/abs/2209.11055},
    author = {Tunstall, Lewis and Reimers, Nils and Jo, Unso Eun Seo and Bates, Luke and Korat, Daniel and Wasserblat, Moshe and Pereg, Oren},
    keywords = {Computation and Language (cs.CL), FOS: Computer and information sciences, FOS: Computer and information sciences},
    title = {Efficient Few-Shot Learning Without Prompts},
    publisher = {arXiv},
    year = {2022},
    copyright = {Creative Commons Attribution 4.0 International}
}