Hugging Face's logo

mini1013
/
master_cate_fd14

Text Classification
setfit
Safetensors
sentence-transformers
roberta
generated_from_setfit_trainer
Eval Results
Model card Files Community
master_cate_fd14 / README.md
mini1013's picture
mini1013
Push model using huggingface_hub.
91167ab verified
preview code
|
raw
history blame contribute delete
13.4 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: 네스프레소 버츄오 캡슐 머그 멜로지오 1Box (10캡슐) 아이스 라떼 03. 알티시오 제이유
  - text: 맥심 티오피 스위트 아메리카노 200ml  (주)디에이치솔루션
  - text: 굿라이프365 스피아민트 삼각티백 50개입 익모초 삼각티백 50개입 주식회사 굿라이프365
  - text: 칠성사이다 제로 ECO 무라벨 300ml 20pet [음료] 커피음료_맥심티오피심플리스무스로스티라떼360mlx20개 옐로우로켓
  - text: 동서식품 kanu 미니 마일드 로스트 아메리카노 0.9g 카누디카페인 0.9g 100+20(120개입) 강유팩토리
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: 0.6535632816801699
            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
10.0
  • '라인바싸 탄산수 레몬 500ml 20개 자몽 500ml 20개 에이치앤제이원'
  • '라인바싸 탄산수 파인애플 500ml 20입 1박스 (추가)+ 플레인 1박스 동아오츠카주식회사'
  • '코카콜라 씨그램 레몬 350mlx24페트 탄산수모음 15_트레비 라임 355mlx24CAN 주식회사대성에프앤비'
8.0
  • '맥심 아이스 커피믹스 110T +커피믹스 스틱 2T 콤부차_다농원 콤부차 세븐베리 20T+보틀 주식회사 경일종합식품 케이마트몰'
  • '[카누]카누 디카페인 미니 0.9g x 120개입 - 1개 HN 다크 로스트 0.9g 100+텀블러(사은품) 하나엔피그먼트'
  • '프렌치카페 카페믹스 스테비아 디카페인 10.3g x 100개입 대은상사'
1.0
  • '매일유업 매일우유 매일두유 99.9 190ml 12개 12개 테켄종합상사'
  • '매일유업 마이너피겨스 유기농 오트밀크 1L 주식회사 지룩'
  • '아몬드 브리즈 뉴트리플러스 프로틴 190ml 48개 스타일바이맘'
6.0
  • '이제부터 무가당 무설탕 생강진액 생강차 생강즙 생강청 1L ★이벤트★ 3+1(생강청)-박스없음_소비자가 태후자연식품영농조합법인'
  • '티젠 콤부차 파인애플 5g x 30개입 샤인머스켓(30개입) 엠비알글로벌'
  • '[오설록](신세계 본점)세작 80 g(잎차) 주식회사 에스에스지닷컴'
5.0
  • '파낙스 참다음 매실 원액 1.5L/6배희석 로쏘 레몬음료 베이스 1L (주) 이카루스'
  • '동원 덴마크 푸르티 포도 주스 120mL x 24개 블라썸플라워'
  • '썬업 과일야채샐러드 그린 200ml x 24팩 과일야채 샐러드 레드 200ml x 24팩 하니컴퍼니'
9.0
  • '허쉬 코코아 가루 분말 226g W-00652_허쉬코코아파우더226g(파손) 월푸드'
  • '기라델리 프리미엄 핫코코아믹스 초콜렛 907g X 1박스(4개) 고고커피'
  • 'Nestle Hot Cocoa 핫 코코아 믹스 30개 0.28온스 207799 무설탕 무지방_2개들이 팩 더블스토어'
4.0
  • '코카콜라 태양의 식후비법 W차 500ml (주)디에이치솔루션'
  • '광동 힘찬하루 헛개차 1.5L 1개 대패트_게토레이 레몬 1.5L 12개 대영상사'
  • '웰그린 스위츠 복숭아 녹차 음료 340ml 티트라 레몬그린티 제로 500mlX24PET 브론스코리아(주)'
0.0
  • '레드불 에너지 드링크 355ml (6개) 카페인 타우린 비타민 알프스 워터 대량 구매 노건'
  • '청정원 홍초 석류 1.5L 홍초 블루베리 1.5L (주) 이카루스'
  • '청정원 홍초 자몽 900ml 아이스티_티오 아이스티 레몬맛40T 주식회사 경일종합식품 케이마트몰'
7.0
  • '동서 티오 아이스티 복숭아 70T +커피믹스 스틱 2T 콤부차_다농원 콤부차 리치 20T+보틀 주식회사 경일종합식품 케이마트몰'
  • '립톤 아이스티 복숭아 770g 레몬 770g_자몽 아이스티 키트(2개입) 유니레버코리아 (주)'
  • '술픽 하이트진로 토닉워터 600ml 대용량 술벙커 주식회사 농업회사법인 이천지점'
11.0
  • '포모나 블루베리스무디 2kg 블루베리농축액 (주)제이제이푸드시스템'
  • '베오베 오곡 파우더 1kg 라떼 곡물 미숫가루 분말 티에이치커피 티에이치커피'
  • '타코 복숭아 아이스티 /선택 08.블루베리라떼870g 주식회사 커피바바'
3.0
  • '[매니저배송] MPRO 장&면역+피부 (5개입) (주)에치와이'
  • '요플레 닥터캡슐 베리믹스 130mLx4개/1000배/냉장무배 대명유통'
  • '매일바이오 알로에 120g 12개_냉장 매일유업 주식회사'
2.0
  • '화인바이오 지리산 물하나 2L X 6개 글로벌웨이브'
  • '하이트 천연광천수 미네랄 석수 무라벨 500ml 20pet ◇ 석수 무라벨 500ml 20pet 주식회사 부산종합유통'
  • '아이시스8.0 300ml x 1BOX(20PET) 생수 아이시스8.0 200ml(40p) (주)하나유통'

Evaluation

Metrics

Label Metric
all 0.6536

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_fd14")
# Run inference
preds = model("맥심 티오피 스위트 아메리카노 200ml  (주)디에이치솔루션")

Training Details

Training Set Metrics

Training set Min Median Max
Word count 4 9.805 20
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
9.0 50
10.0 50
11.0 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
0.0106 1 0.3763 -
0.5319 50 0.3216 -
1.0638 100 0.1166 -
1.5957 150 0.0863 -
2.1277 200 0.0548 -
2.6596 250 0.0559 -
3.1915 300 0.0323 -
3.7234 350 0.0301 -
4.2553 400 0.0191 -
4.7872 450 0.0127 -
5.3191 500 0.0059 -
5.8511 550 0.0003 -
6.3830 600 0.0002 -
6.9149 650 0.0001 -
7.4468 700 0.0001 -
7.9787 750 0.0001 -
8.5106 800 0.0001 -
9.0426 850 0.0001 -
9.5745 900 0.0001 -
10.1064 950 0.0001 -
10.6383 1000 0.0001 -
11.1702 1050 0.0001 -
11.7021 1100 0.0001 -
12.2340 1150 0.0001 -
12.7660 1200 0.0001 -
13.2979 1250 0.0 -
13.8298 1300 0.0001 -
14.3617 1350 0.0001 -
14.8936 1400 0.0001 -
15.4255 1450 0.0 -
15.9574 1500 0.0 -
16.4894 1550 0.0 -
17.0213 1600 0.0 -
17.5532 1650 0.0 -
18.0851 1700 0.0 -
18.6170 1750 0.0 -
19.1489 1800 0.0 -
19.6809 1850 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}
}