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:

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

Model Details

Model Description

Model Type: SetFit
Sentence Transformer body: mini1013/master_domain
Classification head: a LogisticRegression instance
Maximum Sequence Length: 512 tokens
Number of Classes: 9 classes

Model Sources

Repository: SetFit on GitHub
Paper: Efficient Few-Shot Learning Without Prompts
Blogpost: SetFit: Efficient Few-Shot Learning Without Prompts

Model Labels

Label	Examples
8.0	'아이스티음료 복숭아음료 립톤 음료 베이스 가루 업소 대용량 907g 온달이' '죽순캔(진양 400g)X4 진양 400g)X4 프렌들리 컴퍼니' '커피믹스(맥심 2.04k) X6 모카골드 오구오구(5959)'
0.0	'청정원 장아찌 간장소스 1.7L 착한사람들' '몽고 송표 골드 간장 1.5L 몽고식품(주)창원1공장' '샘표 맛간장 조림볶음용 보니따엠'
3.0	'으뜸 낫또 제주콩 생나또 53 g 특허기술로 만든 생 청국장 실이많은 생낫또 24 팩 혼합구성_생낫또 18 개 + 하나또 18 개 (주)으뜸엘엔에스' '국산콩100g 12개 일본장인전수 수제 가정생낫또 나또 사또 검정콩 쥐눈이 대용량 검정콩100g 10개_간장360ml 가정생청국장' '청정 제주콩 생 낫또 36개 주식회사 네오넥스글로벌'
4.0	'CJ 해찬들 그대로 된장찌개양념 450gx3 고깃집 된장찌개용 차돌 조개 코스트코 1021460 4 바지락꽃게 3개 까까아일랜드' '[2+1] 해찬들 물로만 끓여도 차돌 된장찌개 양념 450G 물로만 끓여도 차돌 된장찌개 450Gx3 메가글로벌001' '[샘표]샘표 토장 900g 티디티유통'
1.0	'안동제비원 고추장 담그기 세트 (약7kg)[33628066] (주)엔에스쇼핑' 'CJ 해찬들 태양초 알찬 고추장 6.5kg 리브웨이' '청정원순창 현미 태양초 찰고추장, 2kg, 1개 2kg × 1개 2kg x 1개 카리스광클'
6.0	'샘표 쌈토장 450g 대성상사' '참고을 신선한 쌈장 14kg 맛있는 쌈장 대용량 업소용 쌈장 지함 순창궁 양념 쌈장 14kg 우성수산' '청정원 순창 쌈장골드 4.8kg 주식회사 푸드공공칠'
5.0	'콩마실 국산 메주 가루 (1kg 국산콩100%, 고추장용) 콩마실' '고령 국산 메주 전통 국산콩메주 세트 5kg 장현식품' '100%국산콩으로 만든 순창 전통메주 1덩이 1.2kg내외 열정농부'
7.0	'고추명가 비빔냉면 소스 2kg 냉면 양념장 비냉 비빔장 국수 양념 다대기 식당업소용 대용량 이도' 'CJ 손맛 다담 안동찜닭 양념 220g 분식 식당 식자재 감칠맛 풍미 맛다시 제이지무역' '연안식당 부추꼬막장 150g 앙념 비빔장 꼬막비빔밥 밥도둑 꼬막장 넉넉한 2인분 주식회사 디딤'
2.0	'오뚜기 가쓰오부시 장국 360ml 외 7종 01_가쓰오부시 장국 360ml 주식회사 삼부' '면사랑 프리미엄 메밀장국 1.8L 모밀 소바 육수 장국 국수 찌개 만능 다시 문화벙커' '뽕보감 조청 1000g 철원군농업기술센터'

Evaluation

Metrics

Label	Metric
all	0.8728

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_fd15")
# Run inference
preds = model("맷돌표 뉴슈가 60g/ 20개  (주)디엔제이")

Training Details

Training Set Metrics

Training set	Min	Median	Max
Word count	3	9.8578	26

Label	Training Sample Count
0.0	50
1.0	50
2.0	50
3.0	50
4.0	50
5.0	22
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
0.0152	1	0.3728	-
0.7576	50	0.2769	-
1.5152	100	0.1245	-
2.2727	150	0.0532	-
3.0303	200	0.0532	-
3.7879	250	0.0385	-
4.5455	300	0.0052	-
5.3030	350	0.0025	-
6.0606	400	0.0004	-
6.8182	450	0.0004	-
7.5758	500	0.0005	-
8.3333	550	0.0007	-
9.0909	600	0.0002	-
9.8485	650	0.0002	-
10.6061	700	0.0001	-
11.3636	750	0.0001	-
12.1212	800	0.0001	-
12.8788	850	0.0001	-
13.6364	900	0.0001	-
14.3939	950	0.0001	-
15.1515	1000	0.0001	-
15.9091	1050	0.0001	-
16.6667	1100	0.0001	-
17.4242	1150	0.0001	-
18.1818	1200	0.0001	-
18.9394	1250	0.0	-
19.6970	1300	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}
}

mini1013
/

master_cate_fd15