mini1013/master_cate_el18

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 Type: SetFit
• Sentence Transformer body: mini1013/master_domain
• Classification head: a LogisticRegression instance
• Maximum Sequence Length: 512 tokens
• Number of Classes: 9 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
7	'와콤 CTL-472 웹툰 입문용 타블렛 펜 온라인강의 주식회사 지디스엠알오' '와콤 타블렛 CTL-4100 와콤인튜어스 웹툰 (주)코티니' '와콤 신티크16 DTK-1660 케이에이씨앤씨'
1	'브라더공식판매대리점 DCP-T426W 무한잉크복합기 인쇄 복사 스캔 무선 AS연장 (주)대명아이티' '교세라 ECOSYS M5521cdn 컬러레이저복합기 정품토너포함 한라테크' 'DCP-T720DW 브라더정품 무한잉크복합기 인쇄 복사 스캔 자동양면인쇄 (주)진전산시스템'
4	'로지텍 코리아 미니멀 무선 일루미네이티드 키보드 MX KEYS MINI 블랙(그라파이트) 주식회사 자강정보통신' '앱코 K660 축교환 완전방수 게이밍 카일광축 레인보우LED 블랙,리니어 에스티에스컴퍼니' 'ABKO HACKER K523 기계식 축교환 LED 키패드 주식회사 브라보세컨즈'
2	'브라더 TN-2380 정품토너 2.6K HL L2365DW HL L2360dn MFC L2700D MFC L2700DW 주식회사 휴먼아이티' '삼성전자정품 폐토너통 CLT-W406/ C510W/ C513W/ C563W/ C563FW 엘케이솔루션' '(HP) No.680 정품 F6V27AA 검정 정품잉크 검정 총1개만구매(2개이상주문시발송안됨) 밀알시스템'
6	'와콤원 펜 CP91300B2Z 삼성갤럭시탭,갤럭시노트,오닉스 호환 펜 ' '드로잉장갑 와콤 신티크 XP-PEN 휴이온 액정타블렛 아이패드 태블릿 터치오류방지 ' '드로잉장갑 와콤 신티크 XP-PEN 휴이온 액정타블렛 아이패드 태블릿 터치오류방지 '
8	'◆◆ 정품 샘플테이프 + ◆◆ 브라더 正品 이름 라벨스티커기계 PT-P900W QR코드 wifi ◀正品▶ PT-P900W 탑정보기술' '가제트 3D펜 GP3000+5M PLA 필라멘트 세트(24색) (주)위드피플즈' '인스탁스 와이드 링크 포토프린터 모카 그레이(+아크릴액자) 한국후지필름 (주)'
3	'엡손 DS-30000, 양면 스캐너 A3 주식회사 케이에스샵' '엡손 WorkForce DS-50000 (주)테드이십일' '엡손스캐너 ES-580WMLP 미니멀 라이프 패키지(ES-580W+재단기+롤러)북스캐너 (주)에이엔에이코리아'
5	'로지텍 MK295 SILENT WIRELESS COMBO (화이트) (주)아토닉스' '로지텍 MK275 영문자판 병행수입 제이제이 인터내셔널' '로지텍코리아 시그니처 MK650 무선 합본 (그래파이트) 주식회사 지엠샤이'
0	'ROCCAT KONE PRO AIR (블랙) (주)디아씨앤씨' '[Logitech]로지텍 Trackman Marble USB 마우스 트랙맨 트랙볼 마블 마우스 벌크 /택배/병행/ 당일출고 Trackman Marble USB 허브포스트' '로지텍 G402 Hyperion Fury (주)케이엘시스템'

Evaluation

Metrics

Label	Metric
all	0.8548

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_el18")
# Run inference
preds = model("Pulsar X2V2 미니 무선 게이밍 마우스 (블랙)  와이에스비투비")

Training Details

Training Set Metrics

Training set	Min	Median	Max
Word count	4	10.5569	27

Label	Training Sample Count
0	50
1	50
2	50
3	50
4	50
5	50
6	13
7	50
8	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
0.0154	1	0.4961	-
0.7692	50	0.1923	-
1.5385	100	0.0615	-
2.3077	150	0.0532	-
3.0769	200	0.0513	-
3.8462	250	0.0283	-
4.6154	300	0.0313	-
5.3846	350	0.0258	-
6.1538	400	0.0174	-
6.9231	450	0.0053	-
7.6923	500	0.0021	-
8.4615	550	0.0039	-
9.2308	600	0.0059	-
10.0	650	0.0001	-
10.7692	700	0.0001	-
11.5385	750	0.0001	-
12.3077	800	0.0001	-
13.0769	850	0.0001	-
13.8462	900	0.0	-
14.6154	950	0.0001	-
15.3846	1000	0.0	-
16.1538	1050	0.0	-
16.9231	1100	0.0	-
17.6923	1150	0.0	-
18.4615	1200	0.0	-
19.2308	1250	0.0	-
20.0	1300	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}
}