mini1013/master_cate_el23

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: 6 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
5	'레벤트 백색소음기 무드등 RM20 (주)포트리스' '레벤트 RM20 LED램프 무드등 백색소음기 수면등 (주)엠글로벌스' '레벤트 신생아 백색소음기 화이트노이즈 수유 무드등 RM20 주식회사매니악'
1	'아이플라이텍 스캔톡 영어 번역기 동시 통역기 AI 인공지능 AI-DSA-001 펫 허브' '아이플라이텍 스캔톡 영어 번역기 통역기 AI 인공지능 어학기 (3종 액세사리 무료 ) 그린_액정보호필름/젤리케이스/하드케이스 주식회사 엑스오비' '슈피겐 인공지능 음성 번역기 동시 통역기 포켓토크 영어 일본어 중국어 베트남어 해외여행 화이트(eSIM) /ESE00001 주식회사 슈피겐코리아'
0	'브리츠 BZ-VR1000 보이스 레코드 회의 강의 녹음 주식회사 투데이플러스' '머레이 손목 시계형 보이스 레코더 RV-1000 알앤컴퍼니 (R&Company)' '이소닉 MR-1000 8GB 장시간 특수녹음기 초소형 보이스레코더 증거 대화 강의 (주)포고텍'
2	'베스타 한자 일본어 국어 중국어 어학 영영 한영 옥편 영어 사전 전자사전 BK-100 (주)삼신이앤비' '베스타 BK-200J 전자사전 일본어특화 전자사전 필기인식 메모리+액정필름+아답타 주식회사 마루엔' '베스타 BK-200 8GB 전자사전 번역 회화 주식회사 모핏코리아'
3	'교보문고 sam 10 Plus 셜크' '교보 이북리더기 샘10플러스 sam 10 Plus 프린지' '리디페이퍼 4 RIDIPAPER 4 리디 전용 전자책 이북리더기 전자책 리더기 (7인치, wifi, 블루투스, 방수) 블랙 리디 주식회사'
4	'스코코 리디북스 리디페이퍼 4세대 무광 전신 외부보호필름 3종 (주)스코코' '세이펜전용충전기 / 5핀 C타입 분리형충전기 세이펜5핀충전기 (주)세티' '스캔톡 EPU 액정 보호 필름 2매입 2매입(벌크용) 주식회사 포유컴퍼니'

Evaluation

Metrics

Label	Metric
all	0.9616

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_el23")
# Run inference
preds = model("이소닉 MR-120 8GB 동의 화이트선셋")

Training Details

Training Set Metrics

Training set	Min	Median	Max
Word count	3	10.4144	23

Label	Training Sample Count
0	50
1	42
2	50
3	11
4	12
5	16

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
0.0345	1	0.4957	-
1.7241	50	0.0279	-
3.4483	100	0.0001	-
5.1724	150	0.0001	-
6.8966	200	0.0001	-
8.6207	250	0.0001	-
10.3448	300	0.0	-
12.0690	350	0.0	-
13.7931	400	0.0	-
15.5172	450	0.0	-
17.2414	500	0.0	-
18.9655	550	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}
}