Push model using huggingface_hub.

1_Pooling/config.json

@@ -0,0 +1,10 @@
+{
+  "word_embedding_dimension": 768,
+  "pooling_mode_cls_token": false,
+  "pooling_mode_mean_tokens": true,
+  "pooling_mode_max_tokens": false,
+  "pooling_mode_mean_sqrt_len_tokens": false,
+  "pooling_mode_weightedmean_tokens": false,
+  "pooling_mode_lasttoken": false,
+  "include_prompt": true
+}

README.md

@@ -0,0 +1,261 @@
+---
+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: 1+1 세트상품 푸쉬팝게임기 팝잇 푸시팝 뽁뽁이 게임기 스피드킹 토끼 곰돌이 우주인게임기_병아리게임기(5세대999레벨) 크앤비
+- text: 굵은 모루 8mm 일반 장식줄 만들기재료 철사공예 아트 모루꽃 아트모루(10개입세트)_형광연두 아이디몬 주식회사
+- text: 해리포터코스튬 풀세트 어린이 성인 남녀공용 졸사 이벤트 의상 추억 사진 후플푸프(7세트)_XXL 181-185cm 권장 here_
+- text: 3D 토이나이프 야광 당근칼 틱톡 나이프 피젯 장난감 칼 미니검 3연발 다트권총(핑크) 또와토이
+- text: 알꿀밤 소형 나노블럭 미니블록 5+1 YK앉은 분홍 고양이 243. CK꽃무늬 롱치마 해적 늘솔길에아람벌다
+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: 0.9032178674706208
+      name: Metric
+---
+
+# SetFit with mini1013/master_domain
+
+This is a [SetFit](https://github.com/huggingface/setfit) model that can be used for Text Classification. This SetFit model uses [mini1013/master_domain](https://huggingface.co/mini1013/master_domain) as the Sentence Transformer embedding model. A [LogisticRegression](https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html) 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:** [mini1013/master_domain](https://huggingface.co/mini1013/master_domain)
+- **Classification head:** a [LogisticRegression](https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html) instance
+- **Maximum Sequence Length:** 512 tokens
+- **Number of Classes:** 14 classes
+<!-- - **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)
+
+### Model Labels
+| Label | Examples                                                                                                                                                                                                                          |
+|:------|:----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
+| 5.0   | <ul><li>'(LMG 택티컬) BFE 파우치 OD 대신장비샵'</li><li>'퍼프디노 그린가스 블랙 파워가스 600ml 12kg 검펍디  리버티라이프(Liberty Life)'</li><li>'아카데미과학 전동권총 데저트이글 L6 비비탄권총 자동 에어소프트건 비비탄총 09. 한국군 K5 오마이컴퍼니'</li></ul>                                             |
+| 4.0   | <ul><li>'DJI 네오 / 납품 세금계산서 가능  주식회사 모즈인터내셔날'</li><li>'DJI Air 3 Fly More Combo (DJI RC-N2 포함)  게이트비젼(주)'</li><li>'DJI AIR 3S 에어 3S 플라이 모어 콤보 (RC2)납품 세금계산서가능  주식회사 모즈인터내셔날'</li></ul>                                             |
+| 10.0  | <ul><li>'해적안대 가죽 할로윈용품 파티 의상소품 장식 데코  홈피스트'</li><li>'특수분장 할로윈 더마왁스상처재료 가짜피 인조피100ml BMmall'</li><li>'해적안대 가죽 할로윈 용품 파티 의상소품 데이  에스지'</li></ul>                                                                                    |
+| 3.0   | <ul><li>'디디샵 지우개 야광 당근 나이프  (주)라온러닝'</li><li>'반다이 정품 RG 가오가이거  선물의 목적'</li><li>'주사모형 정맥 주입 근육 훈련 팔 모델 간호사 혈액 손 모형 팔뚝 정맥 천자 재킷 싹슬'</li></ul>                                                                                       |
+| 12.0  | <ul><li>'소량 포스터 출력 인쇄 / 4종류 종이 / A3(420 297) 단면 아트지90g A3(420×297)_양면_스노우지 250g 킹콩카피'</li><li>'6090포스터 모음 W-3. 지구지��� 포스터 한글 - 블루2 주식회사 제로퍼제로'</li><li>'천 포스터 가리개 장식 행잉 크리스마스 벽 트리 패브릭 인테리어 소품 5. 전나무 130X150 성공한 스토어'</li></ul>    |
+| 2.0   | <ul><li>'비즈아이 [4925-13]글라스통과형 도트트리 15x16mm,1개 투명 비즈아이'</li><li>'스쿠비두 룰라끈 매듭 공예 키링 스쿠비드 1m 낱줄 운동화끈-빨강 꾀조은'</li><li>'비즈아이 [4925-13]글라스통과형 도트트리 15x16mm,1개 그린 비즈아이'</li></ul>                                                        |
+| 1.0   | <ul><li>'최고급 메탈 피젯 핑거 스피너 야광 무소음 연속 회전 1_01_오렌지 sf103 사찌몰'</li><li>'5초 준다 MinSellAmount 스마일배송'</li><li>'5초 준다  주식회사 보드엠'</li></ul>                                                                                                |
+| 8.0   | <ul><li>'빈티지 도장 스탬프 헤드 카드 봉투 청첩장 선물 포장 18.1588971 14.1588966 써니타운몰15호점'</li><li>'킵탑 자동차 유아용 보조 카시트 방석 커버 보호매트  삼촌쇼핑몰'</li><li>'오렌지오피스 스카이보람 우표 수집 앨범 리필내지 전지 우표 5단 리필 오렌지 오피스'</li></ul>                                          |
+| 7.0   | <ul><li>'세븐틴 응원봉 SEVENTEEN OFFICIAL LIGHT STICK VER.3 (새제품)  조우코리아'</li><li>'IVE 아이브 응원봉 키링  오후세시반'</li><li>'아이브 얼빡샷 포카 포토카드 옵션선택 배디 키치홀리데이'</li></ul>                                                                            |
+| 11.0  | <ul><li>'직소퍼즐 주문제작 커플 여행 기념일 선물 사진 퍼즐액자 제작 A5-(80피스)_추가안함_세로 투미투'</li><li>'짱구는못말려 소풍 100피스 만화 캐릭터 직소퍼즐 [ 짱구는못말려 150 피스 ]_19.온천욕-150 예그린스페이스'</li><li>'짱구는못말려 소풍 100피스 만화 캐릭터 직소퍼즐 [ 짱구는못말려 150 피스 ]_03.디비전-150 예그린스페이스'</li></ul> |
+| 0.0   | <ul><li>'봇치 더 락 록 굿즈 결속 밴드 아날로그 LP 바이닐 한정판 일본 직구 기본 다락방'</li><li>'2LP 게이트폴드 비닐 컷팅 32cm 10장 2LP 게이트폴드 비닐 컷팅 32cm 10장 포린(porin)'</li><li>'잭 브라이언 The Great American Bar Scene 바이닐 LP 앨범 음반  엘라커넥티드'</li></ul>                       |
+| 13.0  | <ul><li>'전문가 동전 수집 코인 케이스 보관 종이 홀더 50장 코인홀더 종이홀더 수집홀더 37mm 더비씨디'</li><li>'개업 연말 이벤트 답례 축하 선물 행운의 2달러 포함 액자 행운의2달러 액자 주식회사 투마이니'</li><li>'비트코인 기념주화 모형 장식 3종 골드 에스에이치에너지'</li></ul>                                                |
+| 6.0   | <ul><li>'유니콘 입체 그림 인테리어 소품 액자 유니콘 그림  1번지 스토어'</li><li>'서예용품 단아미 고급서예붓18mm 화방 화방용 화선지  글로벌케이마켓'</li><li>'16절고무판(20입)문구 교재류 준비물 판화교재  남생몰'</li></ul>                                                                               |
+| 9.0   | <ul><li>'파니니 NBA카드 탑클래스 KBL 농구카드 1박스 르브론제임스 스테판커리 이정현 허웅 허훈  월드스포츠카드서울신도림점'</li><li>'원피스 루피 조로 캐릭터 굿즈 트럼프카드  유캔매직샵'</li><li>'고전키티 과일키티 스트랩  오타쿠 다락방'</li></ul>                                                                    |
+
+## Evaluation
+
+### Metrics
+| Label   | Metric |
+|:--------|:-------|
+| **all** | 0.9032 |
+
+## 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("mini1013/master_cate_lh15")
+# Run inference
+preds = model("3D 토이나이프 야광 당근칼 틱톡 나이프 피젯 장난감 칼 미니검 3연발 다트권총(핑크) 또와토이")
+```
+
+<!--
+### 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   | 3   | 10.9546 | 25  |
+
+| Label | Training Sample Count |
+|:------|:----------------------|
+| 0.0   | 50                    |
+| 1.0   | 50                    |
+| 2.0   | 50                    |
+| 3.0   | 50                    |
+| 4.0   | 48                    |
+| 5.0   | 50                    |
+| 6.0   | 38                    |
+| 7.0   | 50                    |
+| 8.0   | 50                    |
+| 9.0   | 25                    |
+| 10.0  | 50                    |
+| 11.0  | 50                    |
+| 12.0  | 50                    |
+| 13.0  | 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 |
+|:-------:|:----:|:-------------:|:---------------:|
+| 0.0096  | 1    | 0.4054        | -               |
+| 0.4808  | 50   | 0.3432        | -               |
+| 0.9615  | 100  | 0.2163        | -               |
+| 1.4423  | 150  | 0.0533        | -               |
+| 1.9231  | 200  | 0.0368        | -               |
+| 2.4038  | 250  | 0.0235        | -               |
+| 2.8846  | 300  | 0.0308        | -               |
+| 3.3654  | 350  | 0.0158        | -               |
+| 3.8462  | 400  | 0.0122        | -               |
+| 4.3269  | 450  | 0.0117        | -               |
+| 4.8077  | 500  | 0.0041        | -               |
+| 5.2885  | 550  | 0.004         | -               |
+| 5.7692  | 600  | 0.006         | -               |
+| 6.25    | 650  | 0.0096        | -               |
+| 6.7308  | 700  | 0.004         | -               |
+| 7.2115  | 750  | 0.0002        | -               |
+| 7.6923  | 800  | 0.0002        | -               |
+| 8.1731  | 850  | 0.0001        | -               |
+| 8.6538  | 900  | 0.0001        | -               |
+| 9.1346  | 950  | 0.0001        | -               |
+| 9.6154  | 1000 | 0.0001        | -               |
+| 10.0962 | 1050 | 0.0001        | -               |
+| 10.5769 | 1100 | 0.0001        | -               |
+| 11.0577 | 1150 | 0.0001        | -               |
+| 11.5385 | 1200 | 0.0           | -               |
+| 12.0192 | 1250 | 0.0001        | -               |
+| 12.5    | 1300 | 0.0001        | -               |
+| 12.9808 | 1350 | 0.0001        | -               |
+| 13.4615 | 1400 | 0.0001        | -               |
+| 13.9423 | 1450 | 0.0           | -               |
+| 14.4231 | 1500 | 0.0           | -               |
+| 14.9038 | 1550 | 0.0           | -               |
+| 15.3846 | 1600 | 0.0           | -               |
+| 15.8654 | 1650 | 0.0           | -               |
+| 16.3462 | 1700 | 0.0001        | -               |
+| 16.8269 | 1750 | 0.0           | -               |
+| 17.3077 | 1800 | 0.0           | -               |
+| 17.7885 | 1850 | 0.0           | -               |
+| 18.2692 | 1900 | 0.0           | -               |
+| 18.75   | 1950 | 0.0           | -               |
+| 19.2308 | 2000 | 0.0           | -               |
+| 19.7115 | 2050 | 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
+```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.*
+-->

config.json

@@ -0,0 +1,29 @@
+{
+  "_name_or_path": "mini1013/master_item_lh",
+  "architectures": [
+    "RobertaModel"
+  ],
+  "attention_probs_dropout_prob": 0.1,
+  "bos_token_id": 0,
+  "classifier_dropout": null,
+  "eos_token_id": 2,
+  "gradient_checkpointing": false,
+  "hidden_act": "gelu",
+  "hidden_dropout_prob": 0.1,
+  "hidden_size": 768,
+  "initializer_range": 0.02,
+  "intermediate_size": 3072,
+  "layer_norm_eps": 1e-05,
+  "max_position_embeddings": 514,
+  "model_type": "roberta",
+  "num_attention_heads": 12,
+  "num_hidden_layers": 12,
+  "pad_token_id": 1,
+  "position_embedding_type": "absolute",
+  "tokenizer_class": "BertTokenizer",
+  "torch_dtype": "float32",
+  "transformers_version": "4.46.1",
+  "type_vocab_size": 1,
+  "use_cache": true,
+  "vocab_size": 32000
+}

config_sentence_transformers.json

@@ -0,0 +1,10 @@
+{
+  "__version__": {
+    "sentence_transformers": "3.1.1",
+    "transformers": "4.46.1",
+    "pytorch": "2.4.0+cu121"
+  },
+  "prompts": {},
+  "default_prompt_name": null,
+  "similarity_fn_name": null
+}

config_setfit.json

@@ -0,0 +1,4 @@
+{
+  "normalize_embeddings": false,
+  "labels": null
+}

model.safetensors

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:7f738291c01c53e420b5ab3d840f9d66ccacb11ed6d3e599bccca00d8238c6b3
+size 442494816

model_head.pkl

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:f222e29cdf53f690e08332464a8bcbef4a9ae2f4a2b1fa809ed5069a5038eb5f
+size 87047

modules.json

@@ -0,0 +1,14 @@
+[
+  {
+    "idx": 0,
+    "name": "0",
+    "path": "",
+    "type": "sentence_transformers.models.Transformer"
+  },
+  {
+    "idx": 1,
+    "name": "1",
+    "path": "1_Pooling",
+    "type": "sentence_transformers.models.Pooling"
+  }
+]

sentence_bert_config.json

@@ -0,0 +1,4 @@
+{
+  "max_seq_length": 512,
+  "do_lower_case": false
+}

special_tokens_map.json

@@ -0,0 +1,51 @@
+{
+  "bos_token": {
+    "content": "[CLS]",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "cls_token": {
+    "content": "[CLS]",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "eos_token": {
+    "content": "[SEP]",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "mask_token": {
+    "content": "[MASK]",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "pad_token": {
+    "content": "[PAD]",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "sep_token": {
+    "content": "[SEP]",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "unk_token": {
+    "content": "[UNK]",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  }
+}

tokenizer_config.json

@@ -0,0 +1,66 @@
+{
+  "added_tokens_decoder": {
+    "0": {
+      "content": "[CLS]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "1": {
+      "content": "[PAD]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "2": {
+      "content": "[SEP]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "3": {
+      "content": "[UNK]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "4": {
+      "content": "[MASK]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    }
+  },
+  "bos_token": "[CLS]",
+  "clean_up_tokenization_spaces": false,
+  "cls_token": "[CLS]",
+  "do_basic_tokenize": true,
+  "do_lower_case": false,
+  "eos_token": "[SEP]",
+  "mask_token": "[MASK]",
+  "max_length": 512,
+  "model_max_length": 512,
+  "never_split": null,
+  "pad_to_multiple_of": null,
+  "pad_token": "[PAD]",
+  "pad_token_type_id": 0,
+  "padding_side": "right",
+  "sep_token": "[SEP]",
+  "stride": 0,
+  "strip_accents": null,
+  "tokenize_chinese_chars": true,
+  "tokenizer_class": "BertTokenizer",
+  "truncation_side": "right",
+  "truncation_strategy": "longest_first",
+  "unk_token": "[UNK]"
+}