mini1013/master_cate_fi14

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
2.0	'1 1 데이지 규조토 4세대 발매트 구조토 규토 빨아쓰는 캠핑 발닦개 욕실 주방 가구/인테리어>카페트/러그>발매트' '욕실 CAMPING 러그 발매트 현관 HAPPY MWA238F8 가구/인테리어>카페트/러그>발매트' '감성 인테리어 캠프파이어 발매트 욕실 주방 화장실 현관 베란다 러그 물세탁 국산 가구/인테리어>카페트/러그>발매트'
3.0	'알티피아 피크닉 스트라이프 돗자리 소풍 야외 캠핑돗자리 WC7D33D 가구/인테리어>카페트/러그>왕골자리' '마전동상회 극세사 드로잉 논슬립 아트카페트 논슬립 거실러그 가구/인테리어>카페트/러그>왕골자리' '사계절 카페트 짜임 면러그 60x130- 가구/인테리어>카페트/러그>왕골자리'
1.0	'썸머 트로피컬 원형 러그 가구/인테리어>카페트/러그>러그' '데이드리머 문 스트라이프 먼지없는 거실러그 가구/인테리어>카페트/러그>러그' '더프리그 먼지없는 워셔블 도트 땡땡이 극세사 거실카페트 사각 원형 맞춤 거실 러그 가구/인테리어>카페트/러그>러그'
5.0	'UNKNOWN 여름 이불 침대 쿨 냉감 매트 패드 시트 깔판 캠핑 가구/인테리어>카페트/러그>쿨매트' '귀여운 라텍스 쿨매트 침대 여름 매트 토퍼 쿨 패드 쿨링 냉감 냉 베개 돌 J 가구/인테리어>카페트/러그>쿨매트' '코스트코쿨매트 쿨 냉 여름 침대 라텍스 패드 쿨커버 원룸 매트 1 5x2 0m N 가구/인테리어>카페트/러그>쿨매트'
0.0	'한빛카페트 마리나 대나무 여름카페트 대자리 가구/인테리어>카페트/러그>대자리' '샤인 늘품 프리미엄 17mm 죽편 대자리 가구/인테리어>카페트/러그>대자리' '리앤데코 탄화보더 마작자리 천연 여름 대나무 돗자리 가구/인테리어>카페트/러그>대자리'
4.0	'한일카페트 150만 네오왈츠 페르시안 거실 카페트 가구/인테리어>카페트/러그>카페트>면/극세사카페트' '스칸디앤홈 에코퍼 클라우드 27mm 장모 러그 워셔블 카페트 원형 가구/인테리어>카페트/러그>카페트>면/극세사카페트' '마마그리드 포근포근 마요 극세사 러그 가구/인테리어>카페트/러그>카페트>면/극세사카페트'

Evaluation

Metrics

Label	Accuracy
all	1.0

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_fi14")
# Run inference
preds = model("쇼파마작자리 3인 가구/인테리어>카페트/러그>왕골자리")

Training Details

Training Set Metrics

Training set	Min	Median	Max
Word count	3	7.8109	18

Label	Training Sample Count
0.0	52
1.0	70
2.0	70
3.0	70
4.0	70
5.0	70

Training Hyperparameters

• batch_size: (256, 256)
• num_epochs: (30, 30)
• max_steps: -1
• sampling_strategy: oversampling
• num_iterations: 50
• body_learning_rate: (2e-05, 1e-05)
• head_learning_rate: 0.01
• 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
0.0127	1	0.5081	-
0.6329	50	0.4966	-
1.2658	100	0.4935	-
1.8987	150	0.2567	-
2.5316	200	0.0017	-
3.1646	250	0.0	-
3.7975	300	0.0	-
4.4304	350	0.0	-
5.0633	400	0.0	-
5.6962	450	0.0	-
6.3291	500	0.0	-
6.9620	550	0.0	-
7.5949	600	0.0	-
8.2278	650	0.0	-
8.8608	700	0.0	-
9.4937	750	0.0	-
10.1266	800	0.0	-
10.7595	850	0.0	-
11.3924	900	0.0	-
12.0253	950	0.0	-
12.6582	1000	0.0	-
13.2911	1050	0.0	-
13.9241	1100	0.0	-
14.5570	1150	0.0	-
15.1899	1200	0.0	-
15.8228	1250	0.0	-
16.4557	1300	0.0	-
17.0886	1350	0.0	-
17.7215	1400	0.0	-
18.3544	1450	0.0	-
18.9873	1500	0.0	-
19.6203	1550	0.0	-
20.2532	1600	0.0	-
20.8861	1650	0.0	-
21.5190	1700	0.0	-
22.1519	1750	0.0	-
22.7848	1800	0.0	-
23.4177	1850	0.0	-
24.0506	1900	0.0	-
24.6835	1950	0.0	-
25.3165	2000	0.0	-
25.9494	2050	0.0	-
26.5823	2100	0.0	-
27.2152	2150	0.0	-
27.8481	2200	0.0	-
28.4810	2250	0.0	-
29.1139	2300	0.0	-
29.7468	2350	0.0	-

Framework Versions

• Python: 3.10.12
• SetFit: 1.1.0
• Sentence Transformers: 3.3.1
• Transformers: 4.44.2
• PyTorch: 2.2.0a0+81ea7a4
• Datasets: 3.2.0
• Tokenizers: 0.19.1

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}
}