Hugging Face's logo

mini1013
/
master_cate_fd5

Text Classification
setfit
Safetensors
sentence-transformers
roberta
generated_from_setfit_trainer
Eval Results
Model card Files Community
master_cate_fd5 / README.md
mini1013's picture
mini1013
Push model using huggingface_hub.
8fd4aa6 verified
preview code
|
raw
history blame contribute delete
10.5 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: 맑은농산 리얼넛츠 베리앤요거트 하루건강견과 20g x 25개입  비트리
  - text: 23년 햅쌀 골든퀸3호 수향미 특등급 10kg / 순차출고  상상리허설
  - text: 산과들에 원데이오리지널 20g x 50개입 선물세트 동의 제이엠세일즈
  - text: 구운아몬드 1kg 견과류  에이케이에스앤디 (주) AK인터넷쇼핑몰
  - text: 필리핀 세부 건망고 80g 10개-쫀득한망고 말린망고 말린과일  대신유통
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: 0.894413407821229
            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
  • '[채울농산] 국산 장수상황버섯(baumii 최상품) 1개월분 (100g) 1개월분 채울농산'
  • '명이나물 2kg 산마늘잎 생명이나물 산나물 생채 명이장아찌 강원도 산마늘 명이 장아찌 2kg 토종농장'
  • '풀무원 한끼연두부 오리엔탈유자 (118gX2EA) (주)풀무원'
2.0
  • '커클랜드 건 블루베리 567g 몸에 좋은 건과일 샐러드나 베이킹에 활용 코스트코 마인드 트레이드(mind trade)'
  • '웰프레쉬 냉동 블루베리 미국산 1kg 배동바지몰'
  • '커클랜드 냉동 블루베리 2.27kg 코스트코 아이스박스 요거트 과일 베리 라미의잡화점'
5.0
  • '2022년산 국산 서리태 2kg 검은콩 속청 전남 구례산 볶은 서리태가루 1kg 농업회사법인(주)한결유통'
  • '국산 서리태 2kg 검은콩 속청 전남 구례산 국산 서리태(특A) 1kg 농업회사법인(주)한결유통'
  • '잔다리마을 특허받은 공법으로 로스팅한 검은콩 서리태 볶음콩 250g / 영양 간식 주식회사 패스트뷰'
0.0
  • 'Sol Simple 태양열 건조 망고 6온스(1팩)_파인애플 시이부동'
  • '[푸드] KUNNA 쿤나 건망고 75g 3개 부담없이 젤리 망고 마른 과일 태국 간식 사무실 탕비실 건조과일 말린 망고 에스디지컴퍼니'
  • '너츠브라더 촉촉한 건망고 200g 건망고 1kg (주)조하'
4.0
  • '[카무트] 고대곡물 카무트 쌀 밀 500g 이푸른(주)'
  • '23년 국산 현미 쌀눈 2kg 주식회사 건강중심'
  • '[예약구매 할인] 저당 파로 800g 이탈리아 고대곡물 바비조아 저당밥 시리즈 특허공법 저항성전분 주식회사 바비조아'
1.0
  • '맛있는家 너트리 캘리포니아 생아몬드 500g x 2개 (주)씨제이이엔엠'
  • '길림양행 탐스팜 쿠키앤크림 아몬드 190g 바이트리스'
  • '머거본 커피땅콩 130g 6개/ 견과류 마른안주 주전부리 보마스'
3.0
  • '웰루츠 A등급 냉동 블루베리 1kg 냉동과일 웰루츠 냉동 키위 다이스(중국) 1kg 웰루츠'
  • '뉴뜨레 냉동 블루베리 홀 1kg+1kg 무가당 세척블루베리 과일 모음 다이스 퓨레 뉴뜨레 냉동 그린키위 1kg x 2봉 주식회사 보금푸드'
  • '코스트코 커클랜드 냉동 블루베리 2.27kg / 아이스박스 포장발송 아이스팩 + 드라이아이스 발송 남들과 다르게'

Evaluation

Metrics

Label Metric
all 0.8944

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_fd5")
# Run inference
preds = model("구운아몬드 1kg 견과류  에이케이에스앤디 (주) AK인터넷쇼핑몰")

Training Details

Training Set Metrics

Training set Min Median Max
Word count 4 10.0886 25
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

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
0.0182 1 0.4119 -
0.9091 50 0.2564 -
1.8182 100 0.0407 -
2.7273 150 0.0157 -
3.6364 200 0.014 -
4.5455 250 0.0 -
5.4545 300 0.0 -
6.3636 350 0.0 -
7.2727 400 0.0 -
8.1818 450 0.0001 -
9.0909 500 0.0 -
10.0 550 0.0 -
10.9091 600 0.0 -
11.8182 650 0.0 -
12.7273 700 0.0 -
13.6364 750 0.0 -
14.5455 800 0.0 -
15.4545 850 0.0 -
16.3636 900 0.0 -
17.2727 950 0.0 -
18.1818 1000 0.0 -
19.0909 1050 0.0 -
20.0 1100 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}
}