mini1013/master_cate_fd14

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: 12 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
10.0	'라인바싸 탄산수 레몬 500ml 20개 자몽 500ml 20개 에이치앤제이원' '라인바싸 탄산수 파인애플 500ml 20입 1박스 (추가)+ 플레인 1박스 동아오츠카주식회사' '코카콜라 씨그램 레몬 350mlx24페트 탄산수모음 15_트레비 라임 355mlx24CAN 주식회사대성에프앤비'
8.0	'맥심 아이스 커피믹스 110T +커피믹스 스틱 2T 콤부차_다농원 콤부차 세븐베리 20T+보틀 주식회사 경일종합식품 케이마트몰' '[카누]카누 디카페인 미니 0.9g x 120개입 - 1개 HN 다크 로스트 0.9g 100+텀블러(사은품) 하나엔피그먼트' '프렌치카페 카페믹스 스테비아 디카페인 10.3g x 100개입 대은상사'
1.0	'매일유업 매일우유 매일두유 99.9 190ml 12개 12개 테켄종합상사' '매일유업 마이너피겨스 유기농 오트밀크 1L 주식회사 지룩' '아몬드 브리즈 뉴트리플러스 프로틴 190ml 48개 스타일바이맘'
6.0	'이제부터 무가당 무설탕 생강진액 생강차 생강즙 생강청 1L ★이벤트★ 3+1(생강청)-박스없음_소비자가 태후자연식품영농조합법인' '티젠 콤부차 파인애플 5g x 30개입 샤인머스켓(30개입) 엠비알글로벌' '[오설록](신세계 본점)세작 80 g(잎차) 주식회사 에스에스지닷컴'
5.0	'파낙스 참다음 매실 원액 1.5L/6배희석 로쏘 레몬음료 베이스 1L (주) 이카루스' '동원 덴마크 푸르티 포도 주스 120mL x 24개 블라썸플라워' '썬업 과일야채샐러드 그린 200ml x 24팩 과일야채 샐러드 레드 200ml x 24팩 하니컴퍼니'
9.0	'허쉬 코코아 가루 분말 226g W-00652_허쉬코코아파우더226g(파손) 월푸드' '기라델리 프리미엄 핫코코아믹스 초콜렛 907g X 1박스(4개) 고고커피' 'Nestle Hot Cocoa 핫 코코아 믹스 30개 0.28온스 207799 무설탕 무지방_2개들이 팩 더블스토어'
4.0	'코카콜라 태양의 식후비법 W차 500ml (주)디에이치솔루션' '광동 힘찬하루 헛개차 1.5L 1개 대패트_게토레이 레몬 1.5L 12개 대영상사' '웰그린 스위츠 복숭아 녹차 음료 340ml 티트라 레몬그린티 제로 500mlX24PET 브론스코리아(주)'
0.0	'레드불 에너지 드링크 355ml (6개) 카페인 타우린 비타민 알프스 워터 대량 구매 노건' '청정원 홍초 석류 1.5L 홍초 블루베리 1.5L (주) 이카루스' '청정원 홍초 자몽 900ml 아이스티_티오 아이스티 레몬맛40T 주식회사 경일종합식품 케이마트몰'
7.0	'동서 티오 아이스티 복숭아 70T +커피믹스 스틱 2T 콤부차_다농원 콤부차 리치 20T+보틀 주식회사 경일종합식품 케이마트몰' '립톤 아이스티 복숭아 770g 레몬 770g_자몽 아이스티 키트(2개입) 유니레버코리아 (주)' '술픽 하이트진로 토닉워터 600ml 대용량 술벙커 주식회사 농업회사법인 이천지점'
11.0	'포모나 블루베리스무디 2kg 블루베리농축액 (주)제이제이푸드시스템' '베오베 오곡 파우더 1kg 라떼 곡물 미숫가루 분말 티에이치커피 티에이치커피' '타코 복숭아 아이스티 /선택 08.블루베리라떼870g 주식회사 커피바바'
3.0	'[매니저배송] MPRO 장&면역+피부 (5개입) (주)에치와이' '요플레 닥터캡슐 베리믹스 130mLx4개/1000배/냉장무배 대명유통' '매일바이오 알로에 120g 12개_냉장 매일유업 주식회사'
2.0	'화인바이오 지리산 물하나 2L X 6개 글로벌웨이브' '하이트 천연광천수 미네랄 석수 무라벨 500ml 20pet ◇ 석수 무라벨 500ml 20pet 주식회사 부산종합유통' '아이시스8.0 300ml x 1BOX(20PET) 생수 아이시스8.0 200ml(40p) (주)하나유통'

Evaluation

Metrics

Label	Metric
all	0.6536

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_fd14")
# Run inference
preds = model("맥심 티오피 스위트 아메리카노 200ml  (주)디에이치솔루션")

Training Details

Training Set Metrics

Training set	Min	Median	Max
Word count	4	9.805	20

Label	Training Sample Count
0.0	50
1.0	50
2.0	50
3.0	50
4.0	50
5.0	50
6.0	50
7.0	50
8.0	50
9.0	50
10.0	50
11.0	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
0.0106	1	0.3763	-
0.5319	50	0.3216	-
1.0638	100	0.1166	-
1.5957	150	0.0863	-
2.1277	200	0.0548	-
2.6596	250	0.0559	-
3.1915	300	0.0323	-
3.7234	350	0.0301	-
4.2553	400	0.0191	-
4.7872	450	0.0127	-
5.3191	500	0.0059	-
5.8511	550	0.0003	-
6.3830	600	0.0002	-
6.9149	650	0.0001	-
7.4468	700	0.0001	-
7.9787	750	0.0001	-
8.5106	800	0.0001	-
9.0426	850	0.0001	-
9.5745	900	0.0001	-
10.1064	950	0.0001	-
10.6383	1000	0.0001	-
11.1702	1050	0.0001	-
11.7021	1100	0.0001	-
12.2340	1150	0.0001	-
12.7660	1200	0.0001	-
13.2979	1250	0.0	-
13.8298	1300	0.0001	-
14.3617	1350	0.0001	-
14.8936	1400	0.0001	-
15.4255	1450	0.0	-
15.9574	1500	0.0	-
16.4894	1550	0.0	-
17.0213	1600	0.0	-
17.5532	1650	0.0	-
18.0851	1700	0.0	-
18.6170	1750	0.0	-
19.1489	1800	0.0	-
19.6809	1850	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}
}