Hugging Face's logo

mini1013
/
master_cate_fd12

Text Classification
setfit
Safetensors
sentence-transformers
roberta
generated_from_setfit_trainer
Eval Results
Model card Files Community
master_cate_fd12 / README.md
mini1013's picture
mini1013
Push model using huggingface_hub.
e962931 verified
preview code
|
raw
history blame
11.2 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: 지푸드박스 제이엔제이트레이드 코코엘 유기농 엑스트라버진 코코넛오일 필리핀산 415ml  헬시푸드몰
  - text: >-
      CJ 백설 2통 이상 구매시 할인 쿠폰 콩기름 식용유 대두유 18L 이츠웰 해표 오뚜기 롯데 식용유 말통 전국 최저가판매
      식용유_오뚜기식용유 주식회사 황금알에프앤오
  - text: 올리타리아 엑스트라버진 올리브오일 1L  카비스
  - text: 커클랜드 시그니춰 카놀라유 오일 2.83L 커클랜드 카놀라유2.83L 베이비파크
  - text: 해표)고추맛기름 1.8L  에스엠(SM)식자재도매센터
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: 0.9926900584795322
            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
  • '사조해표 해표 고급유 2호 선물세트 풀문'
  • 'CJ 백설 프리미엄 23호 형제종합물류'
  • '노브랜드 카놀라유 1L 노브랜드 카놀라유2L 주식회사 유일글로벌'
3.0
  • '오타비오 아보카도오일 2L 이탈리아 코스트코 포시즌'
  • '건강한오늘 아보카도오일 500ml 건강한오늘 아보카도오일 500ml 잇츠설렘'
  • '아보퍼시픽 아보카도오일 1L 코스트코 1021670 굿데이'
4.0
  • '만능 올리브유 900ml 청정원 가을 식재료 추석 설날 제사 드레싱 샐러드 파스타 모두감동해'
  • 'CJ제일제당 백설 압착 올리브유 900ml 준스토리'
  • '오로바일렌 엑스트라버진 올리브오일 아르베키나 500ml 500ml (주)운우'
7.0
  • '사조 해표 포도씨유 250ML 주식회사 킴벌리마스타'
  • '오뚜기 프레스코 포도씨유 900ml 주식회사 삼부'
  • '대상 청정원 포도씨유 900ml 주식회사 당장만나'
2.0
  • '국산 저온압착 들기름 300ml 국내산 아기들기름 저온압착 저온들기름 300ml 농부창고 영농조합법인'
  • '미식상회 생들기름 대용량 350ml 에프유니마켓'
  • '오뚜기 향긋한 들기름 160ml 1개 (주)하우'
1.0
  • '대용량 업소용 식용유 해표 콩 식용유 18L 선택04)오뚜기 콩 식용유 18L 소유앳홈(SO:YOU@Home)'
  • 'CJ 백설 식용유 1.8L 해표 식용유 1.8L 주식회사 경일종합식품 케이마트몰'
  • 'CJ 해피스푼 콩식용유 18L 업소용 대용량 저가 식용유 광주 말통 주식회사 케이제이플러스'
0.0
  • '캘리포니아골드뉴트리션 슈퍼푸드 오가닉 엑스트라 버진 코코넛 오일 473ml 액상 코코넛기름 에스지샵(SGshop)'
  • '참미정 파기름 1.8L 대파 맛기름 참미정 마늘기름 1.8L 주식회사 팜'
  • '시아스 불맛기름 화유 500ml 시아스 불맛 고추기름 500ml (주) 식자재민족'
5.0
  • '50년전통 대현상회 저온압착 참기름 350ml 돌려따는 BIG 아빠의주스 양배추사과즙 180 네오카트'
  • '오뚜기 고소한 참기름 450ml 오뚜기 고소한 참기름 320ml(병) 삼영유통'
  • '국산 저온압착 참기름 180ml 선물세트 이삭방앗간 당일착유 국산 저온압착 참기름_250ml 이삭방앗간'
8.0
  • '백설 해바라기씨유 500ml 당일 출발 (주) 바쿰'
  • '사조해표 해바라기유 500ml 1개 (주)해피상사'
  • '사조 해표 해바라기유 500ml (유통기한 24.01까지) ★유통기한임박특가(24년1월까지) 주식회사 킴벌리마스타'

Evaluation

Metrics

Label Metric
all 0.9927

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_fd12")
# Run inference
preds = model("올리타리아 엑스트라버진 올리브오일 1L  카비스")

Training Details

Training Set Metrics

Training set Min Median Max
Word count 3 8.5356 22
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 0.4844 -
0.7042 50 0.3408 -
1.4085 100 0.0769 -
2.1127 150 0.0298 -
2.8169 200 0.023 -
3.5211 250 0.0251 -
4.2254 300 0.0291 -
4.9296 350 0.0156 -
5.6338 400 0.0137 -
6.3380 450 0.0029 -
7.0423 500 0.0001 -
7.7465 550 0.0001 -
8.4507 600 0.0001 -
9.1549 650 0.0 -
9.8592 700 0.0 -
10.5634 750 0.0 -
11.2676 800 0.0 -
11.9718 850 0.0 -
12.6761 900 0.0 -
13.3803 950 0.0 -
14.0845 1000 0.0 -
14.7887 1050 0.0 -
15.4930 1100 0.0 -
16.1972 1150 0.0 -
16.9014 1200 0.0 -
17.6056 1250 0.0 -
18.3099 1300 0.0 -
19.0141 1350 0.0 -
19.7183 1400 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}
}