fede-m/FGSDI_final_setfit_fold_3

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	'Evitando così traumi e lacerazioni.' 'Sull’aumento del limite al contante «non è vero» quando dice «l’amico» Raffaele Cantone, che favorisce l’evasione, perché «è una misura che dà la possibilità di spendere».' 'La sua pagina Twitter si è trasformata in un diario spagnolo.'
1	'Poi si rivolge alle sue studentesse e ai suoi studenti, dicendo «che sarebbe il mio vivo desiderio poter spiegare a loro il valore della mia decisione» e chiede loro di pregare per lui, promettendo a sua volta di pregare per loro «affinché non si lascino a distruggere interiormente dalle paure e dai formalismi, ma abbiano coraggio di pensare, di riflettere la realtà e di dire la verità misericordiosa sull’uomo, che sentono dentro nella loro passione per Cristo e non nelle formule imposte, non di rado imbevute di un estremismo disumano».' 'Io, che nel tempo vengo da lontano quando usava il buon costume, la fratellanza e la gente viveva felice senza tante pretese, assistere ora allo sconsiderato uso della peggiore violenza, alla corruzione dilagante, alla sete del denaro, all’uso sempre maggiore della droga, mi dimostrano in abbondanza che questo non è più il mio mondo».' '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.'

Evaluation

Metrics

Label	Accuracy
all	0.5524

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_3")
# Run inference
preds = model("O si tratta soltanto d'un cambiamento delle regole di ingaggio dei nostri avieri?")

Training Details

Training Set Metrics

Training set	Min	Median	Max
Word count	2	35.7518	106

Label	Training Sample Count
0	45
1	237

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	0.7744	-
0.1416	50	0.2152	-
0.2833	100	0.0351	-
0.4249	150	0.0082	-
0.5666	200	0.0022	-
0.7082	250	0.001	-
0.8499	300	0.0006	-
0.9915	350	0.0005	-

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}
}