Hugging Face's logo

mini1013
/
master_cate_fd15

Text Classification
setfit
Safetensors
sentence-transformers
roberta
generated_from_setfit_trainer
Eval Results
Model card Files Community
master_cate_fd15 / README.md
mini1013's picture
mini1013
Push model using huggingface_hub.
4936439 verified
preview code
|
raw
history blame contribute delete
11.1 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: 한끼스토리 딸기드레싱 500g 10개  한울마켓
  - text: 맷돌표 뉴슈가 60g/ 20개  (주)디엔제이
  - text: 하회마을 쌈장 14kg 업소용 대용량  물레푸드
  - text: 화가장가평발효과학 국산콩청국장 120g16팩  화가장 주식회사
  - text: 춘장(삼화 300g) 4개 식자재 업소용 대용량  더착한컴퍼니
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: 0.8727670433831571
            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
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}
}