mini1013/master_cate_el7

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
8	'MSI 프레스티지 16 AI Evo B1MG 노트북 키스킨 커버 무소음 키보드 올유어리브' '맥북 에어 15인치 키스킨 M2 실리콘 키보드덮개 (주)스코코' '삼성갤럭시북3 Go 키스킨 NT345XPA-KC04S 키스킨 키커버 14인치 실리스킨 문자인쇄 키스킨(블랙) 에이플'
0	'칼디짓 엘레멘트독 CalDigit Element Dock 썬더볼트4 독 멀티허브 맥북프로 Element Dock (주)디엔에이치' '마하링크 2.5인치 SATA 멀티부스트 ML-MBS127 디메이드 (DMADE)' 'AA-AE2N12B usb 젠더 컴퓨터 인터넷 설치 랜 포트 에스아이'
3	'잘만 ZM-NS1000 정품/노트북 받침대/쿨링패드 주식회사보성닷컴' '-잘만 ZM-NS1 (블랙)- 주식회사 케이에이치몰' '잘만 노트북 쿨링 받침대 ZM-NS2000 (주)아싸컴'
5	'W01 HP Omen 17-ANxxxTX 시리즈용 Crystal액정보호필름 더블유공일' '맥북 에어 15인치 필름 M2 무광 하판 외부 1매 무광 상판 1매 (주)스코코' '맥북에어 M3 2024 15인치 외부보호필름 3종세트 에이엠스토어'
1	'이지엘 국산 가벼운 손잡이 노트북 파우치 케이스 13.3인치 For 13.3인치_스모키블랙 이지엘' '[에버키] Titan 타이탄 EKP120 18.4인치 비투비마스터' 'LG 그램 14인치 전용 가죽 파우치 (주) 티앤티정보 용산전자랜드지점'
6	'[프라임디렉트] 아답터, 220V / 19V 3.42A [내경2.1~2.5mm/외경5.5mm] 전원 케이블 미포함 [비닐포장] (주)컴퓨존' '삼성 정품 노트북 NT-RV720 / 19V 3.16A AD-6019S AD-6019R 정품 전원 어댑터 고다' 'EFM ipTIME 어댑터 48V-0.5A (ipTIME 제품군 호환용) [ 아이피타임 ] (주)클럽라이더'
7	'HP 노트북배터리 14 15 TPN-Q207 Q208 HT03XL 호환용배터리 라온하람몰' '(AA-PB9NC6B)삼성 정품 노트북 배터리/NT-RF410 RF411 RF510 RF511 RF710 RF711 전용 엔티와이' '삼성 정품 배터리 AA-PB9NC6B/NT-R530 R540 전용 노트북 배터리/ NTY 엔티와이'
2	'강원전자 넷메이트 노트북 도난방지 USB포트 와이어 잠금장치 키 타입 NM-SLL05M 보다넷' '노트북 도난방지 와이어 잠금장치 NM-SLL03 주식회사 루피하루' '엑토(ACTTO) NBL-01 노트북 도난방지 케이블/잠금장치 국진컴퓨터'
4	'ASUS 비보북 15 X1504ZA 노트북보안필름 프라이버시 사생활보호 거치형 거치형보안필름_1장 한성' '[1300K] HP 빅터스 16-SxxxxAN 거치식 양면 사생활보호필터F 엔에이치엔위투 주식회사' '삼성전자 갤럭시북4 NT750XGL-XC51S 노트북보안필름 프라이버시 사생활보호 부착형 부착형보안필름_1장 원일'

Evaluation

Metrics

Label	Metric
all	0.9273

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_el7")
# Run inference
preds = model("엑토(ACTTO) NBL-04 노트북 도난방지 케이블/(화이트)  국진컴퓨터")

Training Details

Training Set Metrics

Training set	Min	Median	Max
Word count	4	10.3626	23

Label	Training Sample Count
0	50
1	50
2	50
3	50
4	22
5	50
6	50
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
0.0152	1	0.4966	-
0.7576	50	0.184	-
1.5152	100	0.037	-
2.2727	150	0.0256	-
3.0303	200	0.0014	-
3.7879	250	0.0002	-
4.5455	300	0.0006	-
5.3030	350	0.0001	-
6.0606	400	0.0001	-
6.8182	450	0.0001	-
7.5758	500	0.0001	-
8.3333	550	0.0001	-
9.0909	600	0.0001	-
9.8485	650	0.0001	-
10.6061	700	0.0001	-
11.3636	750	0.0001	-
12.1212	800	0.0001	-
12.8788	850	0.0001	-
13.6364	900	0.0001	-
14.3939	950	0.0001	-
15.1515	1000	0.0001	-
15.9091	1050	0.0001	-
16.6667	1100	0.0001	-
17.4242	1150	0.0	-
18.1818	1200	0.0	-
18.9394	1250	0.0	-
19.6970	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}
}