Hugging Face's logo

mini1013
/
master_cate_fd21

Text Classification
setfit
Safetensors
sentence-transformers
roberta
generated_from_setfit_trainer
Eval Results
Model card Files Community
master_cate_fd21 / README.md
mini1013's picture
mini1013
Push model using huggingface_hub.
a8e5f16 verified
preview code
|
raw
history blame contribute delete
10.9 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: 명절선물 동원참치 S12호 참치선물세트 설선물 한가위 동원참치 S12호 제이에스포
  - text: 동원참치 덕용 업소용 대용량 덕용 참치 1.88kg  주식회사 이너피스(inner peace)
  - text: 사조 자연산 골뱅이 400g  주식회사 당장만나
  - text: 목우촌 뚝심 340g  장보고가
  - text: 농심 알쿠니아 황도 2절 통조림 850g 알쿠니아 황도 통조림 200g x 3개입 지에스(GS) 금성상회
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: 0.9854036341971999
            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
  • '그린올리브 365g 동서 리치스 올리브 샐러드 화남F.C'
  • '동서 리치스 슬라이스 오이피클 3kg 무성유통'
  • '리치스 슬라이스 오이피클 3kg 피클 화남F.C'
3.0
  • 'CJ제일제당 스팸12호 1세트 위드'
  • 'CJ제일제당 스팸 복합 5호 선물세트 보담유통'
  • '스팸복합5호 햄 카놀라유 선물세트 복합 명절 추석 세트 땡그리나'
4.0
  • '동원 스위트콘 340g 골든 동원 저스트 스위트콘 340g(리뉴얼) 중앙 리테일'
  • '오뚜기 스위트콘 옥수수통조림 340g 스위트콘 340g x 1개 주식회사 로씨네'
  • '동서 리치스 홀커널 스위트콘 425g 원터치 옥수수 캔 통조림 주식회사 당장만나'
7.0
  • '스팸 마일드 25% 라이트 340g 외 스팸 4종 1. 스팸 클래식 200g 주식회사 하포테크'
  • 'CJ제일제당 스팸 싱글 클래식 80g CJ제일제당 스팸 싱글 25% 라이트 80g 삼영유통'
  • '통조림 CJ제일제당 스팸 클래식 200g/햄통조림 ~통조림/캔햄_쿡샵 스위트콘 (태국산) 420g 단비마켓'
2.0
  • '샘표 김치찌개용꽁치280g/김치찌개전용꽁치통조림 주식회사 달인식자재'
  • '샘표 고등어 원터치 400g 조이텍'
  • '통조림 오뚜기 고등어 400g/참치캔 ~150g이상참치_동원 고추참치 150g 모두유통주식회사'
1.0
  • '화풍 양송이 편 2.8Kg 다유몰'
  • '디벨라 렌틸스 400g /렌즈콩 (주)푸드올마켓'
  • '몬 코코넛밀크 400ml 02_콕_코코넛밀크_400ml 정앤남'
0.0
  • '유동 자연산 골뱅이 230g /s/ 번데기 술안주 비빔면 소면 무침 국수 야식 통조림 (주)강남상사'
  • '동원에프앤비 동원 자연산 골뱅이 230g 주식회사 진현유통'
  • '자연산 골뱅이캔삼포140g 스완인터내셔널'
5.0
  • '동원참치 고추참치 통조림 100g 동원 참치 12종_17.동원 고추 참치 150g (주)다누림글로벌'
  • '오뚜기 참치빅캔 살코기 1.88kg 플랜트더퓨처'
  • '동원 참치 3kg 대용량 참치캔 업소용 코스트코 태양팜스'
8.0
  • '샘표 통조림캔 황도 400g 조림용고등어 400g (주)두배로'
  • '동서 리치스 파인애플 슬라이스 836g (주)푸드팜'
  • '동서 리치스 후르츠칵테일 3kg 미동의 제이모리'

Evaluation

Metrics

Label Metric
all 0.9854

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_fd21")
# Run inference
preds = model("목우촌 뚝심 340g  장보고가")

Training Details

Training Set Metrics

Training set Min Median Max
Word count 3 8.4489 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 0.4416 -
0.7042 50 0.297 -
1.4085 100 0.1016 -
2.1127 150 0.0599 -
2.8169 200 0.0339 -
3.5211 250 0.0256 -
4.2254 300 0.0235 -
4.9296 350 0.0019 -
5.6338 400 0.0113 -
6.3380 450 0.0002 -
7.0423 500 0.0001 -
7.7465 550 0.0001 -
8.4507 600 0.0001 -
9.1549 650 0.0001 -
9.8592 700 0.0001 -
10.5634 750 0.0001 -
11.2676 800 0.0001 -
11.9718 850 0.0001 -
12.6761 900 0.0001 -
13.3803 950 0.0001 -
14.0845 1000 0.0001 -
14.7887 1050 0.0001 -
15.4930 1100 0.0001 -
16.1972 1150 0.0001 -
16.9014 1200 0.0 -
17.6056 1250 0.0001 -
18.3099 1300 0.0001 -
19.0141 1350 0.0001 -
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}
}