Hugging Face's logo

mini1013
/
master_cate_ac7

Text Classification
setfit
Safetensors
sentence-transformers
roberta
generated_from_setfit_trainer
Eval Results
Model card Files Community
master_cate_ac7 / README.md
mini1013's picture
mini1013
Push model using huggingface_hub.
17cb054 verified
preview code
|
raw
history blame contribute delete
10.9 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: 가스코 가죽전용염색약 소파 카시트 스니커즈 33색상 100ml 다크브라운 주식회사가스코
  - text: 레인슈즈 장화 방수 부츠 수중작업 신발보호 고무 미끄럼방지 여성용 H_M 34-36 지에스
  - text: 가스코 가죽전용염색약 도구 풀세트 가죽옷 100ml 브라운_무광 주식회사 가스코
  - text: 엑스솔 에어슬림 인솔 기능성 신발 깔창 245mm 주식회사 영창에코
  - text: >-
      깁스 양말 싸개 발 보호 보온 방한 편한 이쁜 롱 부츠형 여성 방수커버 샤워 팔 남성용 플러시 슬리브/두꺼운 버전  높이 35_45
      핑크고릴라
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: 0.9254610935283204
            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
  • '등산화끈 1+1 통끈_라인네이비 신세계몰'
  • '등산화끈 1+1 트위스트_브라운 신세계몰'
  • '몽벨 슈레이스 플랫 4MM YELLOW JBSXXUZZ105 신발끈 평끈 등산화끈 140 (주)코어밸류'
2.0
  • '고급 강남스타힐 구두굽/소음방지/충격완화/하이힐굽 블랙_DD-107 슈미즈'
  • '발 뒤꿈치 패드 쿠션 신발 구두 운동화 사이즈 클때 줄이기 패드 6-피넛_아이보리화이트_One Size(2P) 저스트에잇'
  • '고급 강남스타힐 구두굽/소음방지/충격완화/하이힐굽 블랙_DD-092 슈미즈'
5.0
  • '[웰럽] 시그니처 깔창 아치 운동화 등산화 군대 군인 군화 안전화 평발 기능성 키높이 [0008]그린 M(255 270) CJONSTYLE'
  • '[롯데백화점]에코(슈즈) 컴포트 에브리데이 인솔 멘즈 9059029-00101 블랙_EU 39 롯데백화점_'
  • '등산화 깔창 기능성 운동화 특수 스포츠 신발 키높이 골프화 XL275-295 마켓퀸즈'
0.0
  • '[현대백화점]금강제화 랜드로바 SHOSC0150SAM 휴대용 미니 구두헤라 [00001] 휴대용 구두칼 (주)현대홈쇼핑'
  • '에드가 체크 소가죽 휴대용 슈혼 navy 000 (주)트라이본즈'
  • '금강제화 콜렉션 휴대용 슈혼 스틸 미니 구두 헤라 N8MKA150/SHOSC0150SAM 10.5cm 신세계백화점'
4.0
  • '비오는날 남성 여성 1회용비닐덧신 S M L 비올때신발 여름필수품 신발우비 색상_레인신발커버 투명블루M 오픈리빙'
  • '비올때 이색적인 여성용 싱글 슈즈 가죽 신발 여성 패션 레인신발커버 멋스러운코디 13_39 스톰브랜상범'
  • '투명 슈즈 패션 워터 장마 여성장화 미끄럼방지 학생 XXL(43-45 적합)_블루-하이 [미끄럼방지창x2년 품질] 구룡글로벌'
1.0
  • '곰돌이 블랙 검정하트 화이트 남자 성인 커플 지비추 자비츠 심플 파츠 클로그 참 장식신발 A set (블랙-화이트) 뉴지(NYUZY)'
  • '슈팁 금속팁 메탈락팁 듀브레 메탈밴드 악어클립 메탈고정핀 플라스틱고정핀 골드슈팁 황동슈팁 실버슈팁 금속슈팁 굵은골드(4개) 슈레이스'
  • '(SAPHIR) 사피르 레노베이팅 컬러 재생크림 / 가죽 염색제 리노베이팅 미디엄브라운 제이엠컴퍼니'
3.0
  • 'STRATTON 남성용 삼나무 슈트리- 미국산, m / 9 - 10 알쓰리컴퍼니'
  • '발볼 여자 신발 남자 제골기 발등 여성하이힐 발등 코코나라'
  • '슈샤이너 전기 금속제골기 경첩타입 전문가용 레지가다 업소용 여성용 js9997'

Evaluation

Metrics

Label Metric
all 0.9255

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_ac7")
# Run inference
preds = model("엑스솔 에어슬림 인솔 기능성 신발 깔창 245mm 주식회사 영창에코")

Training Details

Training Set Metrics

Training set Min Median Max
Word count 3 10.4257 27
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

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
0.0182 1 0.3761 -
0.9091 50 0.2291 -
1.8182 100 0.033 -
2.7273 150 0.018 -
3.6364 200 0.0001 -
4.5455 250 0.0001 -
5.4545 300 0.0001 -
6.3636 350 0.0001 -
7.2727 400 0.0001 -
8.1818 450 0.0 -
9.0909 500 0.0 -
10.0 550 0.0 -
10.9091 600 0.0 -
11.8182 650 0.0 -
12.7273 700 0.0 -
13.6364 750 0.0 -
14.5455 800 0.0 -
15.4545 850 0.0 -
16.3636 900 0.0 -
17.2727 950 0.0001 -
18.1818 1000 0.0 -
19.0909 1050 0.0 -
20.0 1100 0.0 -

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}
}