|
--- |
|
base_model: Maltehb/danish-bert-botxo |
|
library_name: setfit |
|
metrics: |
|
- accuracy |
|
pipeline_tag: text-classification |
|
tags: |
|
- setfit |
|
- sentence-transformers |
|
- text-classification |
|
- generated_from_setfit_trainer |
|
widget: |
|
- text: Jeg håber jeg igen kan få opbakning og tillid til at blive folketingsmedlem. |
|
Jeg kæmper for hjemstavnen. Jeg bor og lever i Vestjylland. |
|
- text: Har man vendt Danmark ryggen og tilsluttet sig Islamisk Stat, så er man en |
|
landsforræder, og så skal man ikke tilbage til Danmark igen! Det handler om vores |
|
allesammens sikkerhed. Vi skal ikke lukke potentielle terrorister ind af hverken |
|
for- eller bagdøren ❤️🇩🇰 |
|
- text: 5. December 🎄julekalender hilsen 🤶🏻 Grønland gjorde et stort indtryk på mig. |
|
Naturen, de enorme afstande, den smukke klare himmel, nordlyset og ikke mindst |
|
kulturen og menneskene. Det var mit første besøg, men bestemt ikke det sidste. |
|
De historiske bånd mellem Grønland og Danmark er forbundet med både glæde og smerte. |
|
Men de har bragt os tættere på hinanden. Det er et stolt fangerfolk, som lever |
|
i pagt med naturen. Det mærker man tydeligt den dag i dag. Det kan være svært, |
|
at drive en virksomhed heroppe, for kommer der rensdyr eller andet godt, så er |
|
det ud og jage - nogen gange i 14 dage. På få generationer har man ‘modaniseret’ |
|
den grønlandske samfundsmodel. Og når man er her, og taler med folk ude i bygderne, |
|
ja så forstå man bedre, hvorfor det måske er gået for stærkt ? En ting er sikkert. |
|
Selvstændighed for et folk med knap 50.000 indbyggere, vil jeg mene er at efterlade |
|
et land og et folk i uvished. Rigsfællesskabet er vigtigt, og det skal vi passe |
|
godt på. I respekt for hinanden. Der er så meget som binder os sammen. Jeg er |
|
taknemmelig for, at jeg fik lov til at opleve og møde så mange lokale - både indbyggere, |
|
embedsfolk, politikere, virksomhedsejere og mange flere. Der er behov for en større |
|
dansk forståelse af Grønland og om rigsfællesskabet. Defor har jeg også som et |
|
krav i de kommende medieforhandlinger, at DR forpligtes til at optage, producere, |
|
formidle et bredere og repræsentativt udsnit af rigsfælleskabet. God søndag😊 |
|
- text: Vi har brug for, at 2021 bliver et år, hvor vi nærmer os livet, vi kendte |
|
❤️ Som så mange andre, har jeg været meget nervøs for mine forældre. Jeg tror |
|
mange, med forældre oppe i årene kan genkende følelsen. Svært har det været ikke |
|
at kunne besøge dem i begyndelsen af coronaen. Senere i forløbet har vi set hinanden |
|
og taget hensyn. Jeg tror, vi alle vil huske 2020, som året hvor vi måtte lide |
|
afsavn – store som små. Og året hvor vi savnede at mødes med andre mennesker og |
|
særligt vores nærmeste. Jeg føler virkelig med de mange, der bor på plejehjem |
|
og ikke har kunnet se deres pårørende. Det er hjerteskærende, at gamle mennesker |
|
som måske skal fejre deres sidste jul ikke kan være sammen med de nærmeste familiemedlemmer |
|
i deres egen lejlighed på plejehjemmet. I stedet skal de være i opstillede besøgsrum. |
|
Og ja, jeg hører og forstår alle argumenterne om smitte, og vi SKAL passe på. |
|
Ja, de gamle ER sårbare, men har man spurgt dem, hvad de helst vil? Mange unge |
|
har savnet deres kammerater, andre deres kollegaer på jobbet. Nogle savner deres |
|
job grundet fyringer, og andre er gået konkurs. Listen over savn og afsavn er |
|
lang. Nu venter vi på vaccinen. Og jeg ser frem til den kommer. Savn er en følelse, |
|
vi har brug for at føle mindre af i 2021 ❤️ 🎄⛄️ 23. december 🎅🏻 Julekalender ⛄️🎄 |
|
- text: Jeg deltager ikke i forhandlingerne om psykiatrien i dag, da jeg ikke repræsenterer |
|
et parti eller har en masse mandatter. Men havde jeg gjort det, så ville jeg kræve |
|
et afsat beløb hvert år i de ti år. Det burde man kunne love hinanden.500 mio |
|
om året kunne det være. Dernæst sikre at PPR virker i kommunerne og man der kan |
|
sikre behandling for børn og unge uden de skal have en diagnose først. Så skal |
|
der sikrers samme rettigheder for psykisk sygdom som somatisk. Start med behandlingsgaranti |
|
for mennesker en en skizofren lidelse. Og gør nu det der virker rundt omkring. |
|
For der er steder som fungerer godt, man ønsker bare ikke lære af hinanden. Når |
|
der er mangel på personale, så tænk andre grupper. For at lave aktivteter på en |
|
afdeling behøver man ikke være en bestemt fagruppe. Og en akutlinje som nu mange |
|
taler om, se nu på de kommuner der har en. F.eks Greve hvor vi har prioriteret |
|
det. Men kommunene har brug for mere økonomi for at kunne løfte psykiatrien i. |
|
Men jeg håber de finder nogle løsninger og ønsker dem nogle gode forhandlinger. |
|
inference: false |
|
model-index: |
|
- name: SetFit with Maltehb/danish-bert-botxo |
|
results: |
|
- task: |
|
type: text-classification |
|
name: Text Classification |
|
dataset: |
|
name: Unknown |
|
type: unknown |
|
split: test |
|
metrics: |
|
- type: accuracy |
|
value: 0.7317073170731707 |
|
name: Accuracy |
|
--- |
|
|
|
# SetFit with Maltehb/danish-bert-botxo |
|
|
|
This is a [SetFit](https://github.com/huggingface/setfit) model that can be used for Text Classification. This SetFit model uses [Maltehb/danish-bert-botxo](https://huggingface.co/Maltehb/danish-bert-botxo) as the Sentence Transformer embedding model. A OneVsRestClassifier 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](https://www.sbert.net) with contrastive learning. |
|
2. Training a classification head with features from the fine-tuned Sentence Transformer. |
|
|
|
## Model Details |
|
|
|
### Model Description |
|
- **Model Type:** SetFit |
|
- **Sentence Transformer body:** [Maltehb/danish-bert-botxo](https://huggingface.co/Maltehb/danish-bert-botxo) |
|
- **Classification head:** a OneVsRestClassifier instance |
|
- **Maximum Sequence Length:** 512 tokens |
|
<!-- - **Number of Classes:** Unknown --> |
|
<!-- - **Training Dataset:** [Unknown](https://huggingface.co/datasets/unknown) --> |
|
<!-- - **Language:** Unknown --> |
|
<!-- - **License:** Unknown --> |
|
|
|
### Model Sources |
|
|
|
- **Repository:** [SetFit on GitHub](https://github.com/huggingface/setfit) |
|
- **Paper:** [Efficient Few-Shot Learning Without Prompts](https://arxiv.org/abs/2209.11055) |
|
- **Blogpost:** [SetFit: Efficient Few-Shot Learning Without Prompts](https://huggingface.co/blog/setfit) |
|
|
|
## Evaluation |
|
|
|
### Metrics |
|
| Label | Accuracy | |
|
|:--------|:---------| |
|
| **all** | 0.7317 | |
|
|
|
## Uses |
|
|
|
### Direct Use for Inference |
|
|
|
First install the SetFit library: |
|
|
|
```bash |
|
pip install setfit |
|
``` |
|
|
|
Then you can load this model and run inference. |
|
|
|
```python |
|
from setfit import SetFitModel |
|
|
|
# Download from the 🤗 Hub |
|
model = SetFitModel.from_pretrained("OBech/IngroupOutgroup2") |
|
# Run inference |
|
preds = model("Jeg håber jeg igen kan få opbakning og tillid til at blive folketingsmedlem. Jeg kæmper for hjemstavnen. Jeg bor og lever i Vestjylland.") |
|
``` |
|
|
|
<!-- |
|
### Downstream Use |
|
|
|
*List how someone could finetune this model on their own dataset.* |
|
--> |
|
|
|
<!-- |
|
### Out-of-Scope Use |
|
|
|
*List how the model may foreseeably be misused and address what users ought not to do with the model.* |
|
--> |
|
|
|
<!-- |
|
## Bias, Risks and Limitations |
|
|
|
*What are the known or foreseeable issues stemming from this model? You could also flag here known failure cases or weaknesses of the model.* |
|
--> |
|
|
|
<!-- |
|
### Recommendations |
|
|
|
*What are recommendations with respect to the foreseeable issues? For example, filtering explicit content.* |
|
--> |
|
|
|
## Training Details |
|
|
|
### Training Set Metrics |
|
| Training set | Min | Median | Max | |
|
|:-------------|:----|:--------|:----| |
|
| Word count | 1 | 94.5901 | 380 | |
|
|
|
### Training Hyperparameters |
|
- batch_size: (8, 8) |
|
- num_epochs: (2, 2) |
|
- max_steps: -1 |
|
- sampling_strategy: oversampling |
|
- body_learning_rate: (2e-05, 1e-05) |
|
- head_learning_rate: 0.01 |
|
- 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: True |
|
|
|
### Training Results |
|
| Epoch | Step | Training Loss | Validation Loss | |
|
|:-------:|:--------:|:-------------:|:---------------:| |
|
| 0.0005 | 1 | 0.2605 | - | |
|
| 0.0235 | 50 | 0.3094 | - | |
|
| 0.0471 | 100 | 0.2222 | - | |
|
| 0.0706 | 150 | 0.2855 | - | |
|
| 0.0941 | 200 | 0.1699 | - | |
|
| 0.1176 | 250 | 0.1467 | - | |
|
| 0.1412 | 300 | 0.152 | - | |
|
| 0.1647 | 350 | 0.2407 | - | |
|
| 0.1882 | 400 | 0.0391 | - | |
|
| 0.2118 | 450 | 0.0165 | - | |
|
| 0.2353 | 500 | 0.0009 | - | |
|
| 0.2588 | 550 | 0.0004 | - | |
|
| 0.2824 | 600 | 0.0014 | - | |
|
| 0.3059 | 650 | 0.0006 | - | |
|
| 0.3294 | 700 | 0.0001 | - | |
|
| 0.3529 | 750 | 0.0007 | - | |
|
| 0.3765 | 800 | 0.0002 | - | |
|
| 0.4 | 850 | 0.0004 | - | |
|
| 0.4235 | 900 | 0.0003 | - | |
|
| 0.4471 | 950 | 0.0001 | - | |
|
| 0.4706 | 1000 | 0.0001 | - | |
|
| 0.4941 | 1050 | 0.0002 | - | |
|
| 0.5176 | 1100 | 0.0002 | - | |
|
| 0.5412 | 1150 | 0.0005 | - | |
|
| 0.5647 | 1200 | 0.0002 | - | |
|
| 0.5882 | 1250 | 0.0002 | - | |
|
| 0.6118 | 1300 | 0.062 | - | |
|
| 0.6353 | 1350 | 0.0004 | - | |
|
| 0.6588 | 1400 | 0.0377 | - | |
|
| 0.6824 | 1450 | 0.0001 | - | |
|
| 0.7059 | 1500 | 0.0001 | - | |
|
| 0.7294 | 1550 | 0.0002 | - | |
|
| 0.7529 | 1600 | 0.0001 | - | |
|
| 0.7765 | 1650 | 0.0009 | - | |
|
| 0.8 | 1700 | 0.0002 | - | |
|
| 0.8235 | 1750 | 0.0003 | - | |
|
| 0.8471 | 1800 | 0.0001 | - | |
|
| 0.8706 | 1850 | 0.0068 | - | |
|
| 0.8941 | 1900 | 0.0002 | - | |
|
| 0.9176 | 1950 | 0.0001 | - | |
|
| 0.9412 | 2000 | 0.0 | - | |
|
| 0.9647 | 2050 | 0.0002 | - | |
|
| 0.9882 | 2100 | 0.0 | - | |
|
| **1.0** | **2125** | **-** | **0.205** | |
|
| 1.0118 | 2150 | 0.0164 | - | |
|
| 1.0353 | 2200 | 0.0002 | - | |
|
| 1.0588 | 2250 | 0.0 | - | |
|
| 1.0824 | 2300 | 0.0001 | - | |
|
| 1.1059 | 2350 | 0.0 | - | |
|
| 1.1294 | 2400 | 0.0001 | - | |
|
| 1.1529 | 2450 | 0.0001 | - | |
|
| 1.1765 | 2500 | 0.036 | - | |
|
| 1.2 | 2550 | 0.0078 | - | |
|
| 1.2235 | 2600 | 0.0002 | - | |
|
| 1.2471 | 2650 | 0.0088 | - | |
|
| 1.2706 | 2700 | 0.0336 | - | |
|
| 1.2941 | 2750 | 0.0 | - | |
|
| 1.3176 | 2800 | 0.0001 | - | |
|
| 1.3412 | 2850 | 0.0387 | - | |
|
| 1.3647 | 2900 | 0.0 | - | |
|
| 1.3882 | 2950 | 0.0042 | - | |
|
| 1.4118 | 3000 | 0.0001 | - | |
|
| 1.4353 | 3050 | 0.0 | - | |
|
| 1.4588 | 3100 | 0.0001 | - | |
|
| 1.4824 | 3150 | 0.0001 | - | |
|
| 1.5059 | 3200 | 0.0001 | - | |
|
| 1.5294 | 3250 | 0.002 | - | |
|
| 1.5529 | 3300 | 0.0001 | - | |
|
| 1.5765 | 3350 | 0.0055 | - | |
|
| 1.6 | 3400 | 0.0002 | - | |
|
| 1.6235 | 3450 | 0.0 | - | |
|
| 1.6471 | 3500 | 0.0 | - | |
|
| 1.6706 | 3550 | 0.0 | - | |
|
| 1.6941 | 3600 | 0.0 | - | |
|
| 1.7176 | 3650 | 0.0001 | - | |
|
| 1.7412 | 3700 | 0.0347 | - | |
|
| 1.7647 | 3750 | 0.0 | - | |
|
| 1.7882 | 3800 | 0.0 | - | |
|
| 1.8118 | 3850 | 0.0 | - | |
|
| 1.8353 | 3900 | 0.0001 | - | |
|
| 1.8588 | 3950 | 0.0 | - | |
|
| 1.8824 | 4000 | 0.0001 | - | |
|
| 1.9059 | 4050 | 0.0 | - | |
|
| 1.9294 | 4100 | 0.0001 | - | |
|
| 1.9529 | 4150 | 0.0073 | - | |
|
| 1.9765 | 4200 | 0.0001 | - | |
|
| 2.0 | 4250 | 0.0 | 0.2099 | |
|
|
|
* The bold row denotes the saved checkpoint. |
|
### Framework Versions |
|
- Python: 3.10.13 |
|
- SetFit: 1.0.3 |
|
- Sentence Transformers: 2.3.0 |
|
- Transformers: 4.39.0 |
|
- PyTorch: 2.1.2 |
|
- Datasets: 2.20.0 |
|
- Tokenizers: 0.15.2 |
|
|
|
## Citation |
|
|
|
### BibTeX |
|
```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} |
|
} |
|
``` |
|
|
|
<!-- |
|
## Glossary |
|
|
|
*Clearly define terms in order to be accessible across audiences.* |
|
--> |
|
|
|
<!-- |
|
## Model Card Authors |
|
|
|
*Lists the people who create the model card, providing recognition and accountability for the detailed work that goes into its construction.* |
|
--> |
|
|
|
<!-- |
|
## Model Card Contact |
|
|
|
*Provides a way for people who have updates to the Model Card, suggestions, or questions, to contact the Model Card authors.* |
|
--> |
