davidit17/e5-grocery-finetuned-v2

Hebrew Grocery Item Classifier v2

Fine-tuned intfloat/multilingual-e5-small for classifying Hebrew grocery shopping list items into 12 supermarket categories. finetune code at https://github.com/davidit17/shopping_list_bot

What's new in v2

• Larger dataset — 1886 total items (1508 train / 378 test), up from ~600 in v1
• 4 training sources — manual lists, Excel grocery data, Gemini-labelled web data, and a ChatGPT-labelled set
• Synthetic augmentation — rule-based Hebrew item generator to balance under-represented categories
• Weak-class booster — extra hand-curated examples for משקאות, קפואים וסלטים, and רטבים וממרחים
• Per-class F1 tracking — evaluation now reports per-category F1 to surface weak spots

Categories

• מוצרי חלב וביצים
• ירקות ופירות
• לחם מאפים ודגנים
• חטיפים ומתוקים
• ניקיון טיפוח וחד פעמי
• משקאות
• מוצרים לאפייה
• בשר ודגים
• קפואים וסלטים
• יבשים
• רטבים וממרחים
• אחר

Usage

from transformers import pipeline
classifier = pipeline(
    "text-classification",
    model=f"davidit17/e5-grocery-finetuned-v2",
)
items = ["גבינה צהובה", "עגבניות שרי", "שמפו", "קוקה קולה", "חזה עוף"]
for item in items:
    result = classifier(item)[0]
    print(item, "→", result["label"], f"({result['score']:.2f})")

With confidence threshold (recommended)

CONFIDENCE_THRESHOLD = 0.5
def predict(text: str) -> str:
    result = classifier(text)[0]
    return result["label"] if result["score"] >= CONFIDENCE_THRESHOLD else "אחר"

Training

Parameter	Value
Base model	intfloat/multilingual-e5-small
Max epochs	50 (early stopping, patience=8)
Learning rate	2e-5
Weight decay	0.01
Warmup ratio	0.1
Batch size	16
Max sequence length	32
Train / test split	80% / 20% stratified
Hardware	GPU (CUDA)

Data sources

Source	Description
Source A	Manual Hebrew grocery lists from Israeli forum
Source B	Excel-format grocery list, cleaned and melted
Source C	Web grocery list labelled with Gemini
Source D	ChatGPT-labelled items across all 12 categories
Source E	Synthetic items generated with rule-based Hebrew augmentor
Source F	Hand-curated booster set for weak categories

Evaluation

Overall

Metric	Base (zero-shot)	Fine-tuned v2
Accuracy	0.0556	0.6878
Weighted F1	0.0146	0.6758

Per-class F1 (fine-tuned v2)

Category	F1
מוצרי חלב וביצים	0.8333
ירקות ופירות	0.5000
לחם מאפים ודגנים	0.6897
חטיפים ומתוקים	0.8308
ניקיון טיפוח וחד פעמי	0.7292
משקאות	0.8125
מוצרים לאפייה	0.8000
בשר ודגים	0.7317
קפואים וסלטים	0.4091
יבשים	0.3243
רטבים וממרחים	0.1429
אחר	0.8182

Limitations

• Primarily covers Israeli supermarket conventions and Hebrew product naming.
• Brand-specific or very niche items may fall back to אחר.
• Low-confidence predictions (score < 0.5) should be treated as אחר.
• Synthetic training examples may not fully reflect natural shopping list variation.
• The אחר category is a catch-all and may have lower precision than domain-specific categories.