fede-m/FGSDI_final_setfit_fold_1

SetFit with sentence-transformers/distiluse-base-multilingual-cased-v1

This is a SetFit model that can be used for Text Classification. This SetFit model uses sentence-transformers/distiluse-base-multilingual-cased-v1 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 Type: SetFit
• Sentence Transformer body: sentence-transformers/distiluse-base-multilingual-cased-v1
• Classification head: a LogisticRegression instance
• Maximum Sequence Length: 128 tokens
• Number of Classes: 2 classes

Model Sources

• Repository: SetFit on GitHub
• Paper: Efficient Few-Shot Learning Without Prompts
• Blogpost: SetFit: Efficient Few-Shot Learning Without Prompts

Model Labels

Label	Examples
0	'Tags Argomenti: milano zona 3 Protagonisti:' 'La sua pagina Twitter si è trasformata in un diario spagnolo.' 'Allagamenti si sono verificati in strade terranei per il sollevamento dei tombini a causa della forte pressione dell’acqua.'
1	'IN questi giorni infatti diversi attori, artisti e cantanti come Christiane Filangeri, Claudia Zanella, Claudio Corinaldesi, Daniela Poggi, Elena Santarelli, Fabio Troiano, Filippo Timi, Francesca Inaudi, Giulia Bevilacqua, Jasmine Trinca, Libero De Rienzo, Lillo Petrolo, Lorenza Indovina, Lorenzo Lavia, Luca Argentero, Lucia Ocone, Ludovico Fremont, Maria Rosaria Omaggio, Maya Sansa, Michele Riondino, Sonia Bergamasco, Susanna Tamaro, Valentina Lodovini, Vinicio Marchioni, Remo Girone hanno postato foto sui social network con messaggi di solidarietà ad animali, volontari ed operatori dei canili comunali di Roma.' 'Il caso Marino [Ignazio Marino], ma anche quello di de Magistris [Luigi de Magistri] a Napoli, di Doria [Carlo Doria] a Genova, di vari presidenti e amministrazioni regionali, sono tutti segnali del fallimento dell’idea che la politica possa essere sostituita dall’improvvisazione, dal populismo, dal dilettantismo coperto dalla vocazione dell’uomo forte o della provvidenza».' 'Questo vuole Putin [Vladimir Putin], che sa tuttavia di dover stipulare un accordo con gli Usa e con Obama [Barack Obama] in particolare perché chi tra un anno gli succederà non è detto che conceda alla Russia il ruolo di comprimario che Obama [Barack Obama], pur cercando di limitarlo, è comunque disposto a riconoscergli.'

Evaluation

Metrics

Label	Accuracy
all	0.4455

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("fede-m/FGSDI_final_setfit_fold_1")
# Run inference
preds = model("Un no al funerale cattolico.")

Training Details

Training Set Metrics

Training set	Min	Median	Max
Word count	2	39.0104	121

Label	Training Sample Count
0	45
1	243

Training Hyperparameters

• batch_size: (16, 16)
• num_epochs: (1, 1)
• max_steps: -1
• sampling_strategy: oversampling
• num_iterations: 10
• 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
• l2_weight: 0.01
• seed: 42
• eval_max_steps: -1
• load_best_model_at_end: False

Training Results

Epoch	Step	Training Loss	Validation Loss
0.0028	1	0.5457	-
0.1389	50	0.2015	-
0.2778	100	0.046	-
0.4167	150	0.0053	-
0.5556	200	0.0022	-
0.6944	250	0.0007	-
0.8333	300	0.0006	-
0.9722	350	0.0004	-

Framework Versions

• Python: 3.12.12
• SetFit: 1.1.3
• Sentence Transformers: 5.1.2
• Transformers: 4.57.1
• PyTorch: 2.8.0+cu126
• Datasets: 4.0.0
• Tokenizers: 0.22.1

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}
}