Push model using huggingface_hub.

1_Pooling/config.json

@@ -0,0 +1,10 @@
+{
+  "word_embedding_dimension": 768,
+  "pooling_mode_cls_token": false,
+  "pooling_mode_mean_tokens": true,
+  "pooling_mode_max_tokens": false,
+  "pooling_mode_mean_sqrt_len_tokens": false,
+  "pooling_mode_weightedmean_tokens": false,
+  "pooling_mode_lasttoken": false,
+  "include_prompt": true
+}

README.md

@@ -0,0 +1,281 @@
+---
+base_model: mini1013/master_domain
+library_name: setfit
+metrics:
+- metric
+pipeline_tag: text-classification
+tags:
+- setfit
+- sentence-transformers
+- text-classification
+- generated_from_setfit_trainer
+widget:
+- text: 타공판닷컴 세계지도 대형 월드맵 세계지도03_600x900 (주)오빌
+- text: 스프링 제본 PDF 흑백 고품질 레이저 출력 - 흑백 양면인쇄 모조지80g 50p 스프링 흑백양면●●_모조지100g_167~170 page
+    도서출판 법현
+- text: '[달페이퍼] 달페이퍼 미니미니 6종 엽서 postcard 인테리어엽서 6 미니미니 일하는 주식회사 천유닷컴'
+- text: 환갑 현수막 회갑 생신 잔치 플랜카드 C00 네임 소형100x70cm C22 얼쑤(남자)-자유문구포토형_소형 100x70cm (주)엔비웨일인터렉티브
+- text: 스프링 제본 PDF 흑백 고품질 레이저 출력 - 흑백 양면인쇄 모조지80g 50p 스프링 흑백단면●_모조지80g_179~182 page
+    도서출판 법현
+inference: true
+model-index:
+- name: SetFit with mini1013/master_domain
+  results:
+  - task:
+      type: text-classification
+      name: Text Classification
+    dataset:
+      name: Unknown
+      type: unknown
+      split: test
+    metrics:
+    - type: metric
+      value: 0.964332367808258
+      name: Metric
+---
+
+# SetFit with mini1013/master_domain
+
+This is a [SetFit](https://github.com/huggingface/setfit) model that can be used for Text Classification. This SetFit model uses [mini1013/master_domain](https://huggingface.co/mini1013/master_domain) as the Sentence Transformer embedding model. A [LogisticRegression](https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html) 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](https://www.sbert.net) 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](https://huggingface.co/mini1013/master_domain)
+- **Classification head:** a [LogisticRegression](https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html) instance
+- **Maximum Sequence Length:** 512 tokens
+- **Number of Classes:** 17 classes
+<!-- - **Training Dataset:** [Unknown](https://huggingface.co/datasets/unknown) -->
+<!-- - **Language:** Unknown -->
+<!-- - **License:** Unknown -->
+
+### Model Sources
+
+- **Repository:** [SetFit on GitHub](https://github.com/huggingface/setfit)
+- **Paper:** [Efficient Few-Shot Learning Without Prompts](https://arxiv.org/abs/2209.11055)
+- **Blogpost:** [SetFit: Efficient Few-Shot Learning Without Prompts](https://huggingface.co/blog/setfit)
+
+### Model Labels
+| Label | Examples                                                                                                                                                                                                                                                                               |
+|:------|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
+| 6.0   | <ul><li>'명함 당일제작 소량 심플한 고급 인쇄 카페쿠폰 예쁜 부동산 회사 단면 비코팅 200매 ==질감있는 재질(▼아래에서 선택▼)== 주식회사 오투디자인그룹'</li><li>'전단지 소량 인쇄 제작 A5 단면 컬러 스노우지150 팜플렛 리플렛 당일 B5양면(16절)_아트지200 프린팅팩토리'</li><li>'잉크젯 - 컬러 출력 제본 - A5 백색80g 양면 A3(420×297㎜) - 제본불가_백색 80g 복사지_컬러양면△△ (페이지X권수=전체 쪽수 입력) 임프레스'</li></ul> |
+| 2.0   | <ul><li>'[3개부터 제작] 백색페트 와블러 댕글러 쇼카드 가격표 POP 자유모양 재단 100x100mm_A형(사각/원형/라운드)_260장 (주)여름기획'</li><li>'휴대용 다이어트 피팅 허리 옷 의류 신체 줄자 1.5m  이잡스2'</li><li>'편안해 데스크매트 책상매트 패드 가죽 덮개 깔개 깔판 S6030 L90X45_블랙 편안한오늘'</li></ul>                                                                       |
+| 5.0   | <ul><li>'카시오 계산기 MS-20UC 미니 귀여운 컬러 전자계산기 공식스토어 MS-20UC_퍼플 주식회사 행남통상'</li><li>'[팝콘게임즈] 프리미엄 포토카드 슬리브 하드 50매 56x87  포안'</li><li>'펠로우즈 문서 세단기 P-30C 4x34mm 꽃가루형 파쇄기 세절기 폐지함 15L 블랙 블랙 두레샵'</li></ul>                                                                                      |
+| 13.0  | <ul><li>'에이든 세계지도 극세사 러그 100×150cm 사계절- 아이방 놀이방 키즈 매트 카페트 아이보리_100×150cm 주식회사 타블라라사'</li><li>'유럽지도 한글영문 코팅 - 영국 프랑스 여행 세계전도 포스터 대형(210x150cm) (주)나우맵소프트'</li><li>'한국 100대 명산 여권 대한민국 산림청 백대명산 정상석 수첩 등산여권 기록 여권+스탬프 추억거리'</li></ul>                                                    |
+| 11.0  | <ul><li>'크리스마스 선물 커트러리 스푼 포크 세트 4 개/6 개, 엘크 트리 장식 디저트 과일 커피 01 A 성운물산'</li><li>'유어캔들 파티 케익촛불 생일초 대용량 벨류팩 싱글 100입 01.싱글 핑크 주식회사 조앤인터내셔널'</li><li>'[텐바이텐] 제기(색상랜덤발송)  제로찬스'</li></ul>                                                                                                    |
+| 10.0  | <ul><li>'라벨지 A4라벨지 스티커라벨 투명 방수 라벨 레이저용 1칸(전지) 20장 흰색방수(Laser)_8칸(2X4) 10장 (주)유퍼스트'</li><li>'종이나라 코팅필름 A3 100mic 100매  대진교육 주식회사'</li><li>'더블에이 A4 복사용지 75g 2000매  제이앤에스(J&S)'</li></ul>                                                                                                |
+| 4.0   | <ul><li>'마그네틱 자석 보드 29cm x 56cm 주문제작 그레이_380x760 세운정밀'</li><li>'호이지보드 LCD전자노트 메모보드 드로잉패드 스마트 메모장 8.5인치(컬러글씨)_핑크 호이지보드(Howeasy Board)'</li><li>'노베젤 화이트유리칠판 1200x800mm 럭시 벽걸이 글라스보드 1200x800mm 일반 주식회사 럭시글라스'</li></ul>                                                                 |
+| 0.0   | <ul><li>'스누피 인덱스노트 그레이(도트) 뭉뭉방구'</li><li>'3M 포스트잇 653-20A 대용량팩 일반 점착 접착용 노트 51x38mm  정비공톡'</li><li>'임산부 손목보호대 손목아대 블랙_S 블루마켓'</li></ul>                                                                                                                                                |
+| 14.0  | <ul><li>'백광 검은색 검정봉투 흰색비닐봉투 검정_6호[20리터](36x60+14/200매) 백광비닐산업'</li><li>'비닐닷컴 각대봉투 종이봉투 카페 크라프트 빵포장 180x110x350 200매 종이쇼핑백/플랫(납작끈)_백색 감광지_대/310x125x420/50매 비닐닷컴'</li><li>'[쿠베르] 감성 인테리어 엽서, 파리 A 미니 포스터 사진 촬영 소품 5.로마_로마 4장 쿠베르(COUVERT)'</li></ul>                                    |
+| 7.0   | <ul><li>'레드스탬프 인감 도장 가벽조레이저 십장생 띠 아기 이름 직인 단체 도장 만들기 한글고인체 선택 01 - 가벽조레이저_원앙_한자초서체 레드스탬프'</li><li>'자동 번호 넘버링 스탬프 마킹 날짜 가격표 찍는 도장 수동 3 자리 수 자동_4 LIN SHUZHEN'</li><li>'에이플렉스 씰링 스탬프 글루건 실링왁스 11mm 글루왁스1번(글루) 글루 왁스 34번(글루) 에이플렉스(Aflex)'</li></ul>                                      |
+| 16.0  | <ul><li>'블루칩 인형필통 폴리에스테르 대용량 14세이상사용 인형필통(오리디자인) 에이스 무역'</li><li>'모나미 매직 캡 적색 라인'</li><li>'모나미 보드마카 리퀴드 생잉크 220 흑 주식회사 에스에이치몰'</li></ul>                                                                                                                                               |
+| 15.0  | <ul><li>'프리미엄 악보 파일 10매~60매 밴드화일 메모 가능 40매_블루(뮤직)_추가 다다다기업'</li><li>'A4파일 클립보드 A4파일철 결재판 세로형 가로형_그린 살림 마녀'</li><li>'[다나 코퍼레이션] A4 파일 철 파일케이스 그레이 다나 코퍼레이션'</li></ul>                                                                                                                   |
+| 9.0   | <ul><li>'아워모티프 포카바인더 6공 포토카드 바인더 A5 A5_블랙_바인더 월간문구'</li><li>'마이러브 초음파앨범 꾸미기 뱀띠 아기 각인 사진정리 셀프포토북 앨범 단품 크림 앨범 + 꾸미기 세트_마이러브앨범: B급크림 / 주수스티커: 컬러_토끼띠 + 프로필 스티커 커플러스'</li><li>'아워모티프 포카바인더 6공 포토카드 바인더 A5 A6_올리브_바인더 월간문구'</li></ul>                                                       |
+| 12.0  | <ul><li>'롤 트레싱지 롤 트레이싱지 idem 플로터 반투명종이 A1  하이비즈코리아'</li><li>'신한 삼원 트레싱지 A4 A3 80g 85g 트레이싱지 삼원 A3 100매 디포스타'</li><li>'롤 트레싱지 롤 트레이싱지 idem 플로터 반투명종이 A3 10. 12인치x50야드(흰색) 하이비즈코리아'</li></ul>                                                                                            |
+| 3.0   | <ul><li>'종이나라 비비드 마블링물감 12색 (1개)  바이포비'</li><li>'네오디움 자석 원형 고리 막대 사각 네오디뮴 초강력자석 2 x 1mm 선택.4  네오디움 사각자석_★ 모든치수의 단위는 mm 입니다★ 유마그네트'</li><li>'도루코 S 커터날 10매 칼날 커터칼 사무용칼 S커터날 10입 에이치티비 트레이드'</li></ul>                                                                                   |
+| 1.0   | <ul><li>'2025 양지 다이어리 유즈어리 25A 로고 인쇄 수첩&포켓다이어리_인스타일48_그레이 주식회사 제이에프샵'</li><li>'2025 아르디움 먼슬리 플래너 화이트 데이드림 지웨이컨텐츠(JIWAY Contents)'</li><li>'홍보용 새해 벽걸이 달력 특별2절 숫자판 70모조 1부 제작 숫자판 캘린더 주문 인쇄 벽걸이달력_2-1 2절숫자판70모조_200부 제작 1부 단가 총무나라 주식회사'</li></ul>                                      |
+| 8.0   | <ul><li>'신일 SINIL 박스테이프 경포장 투명 택배 포장 OPP 고점착 테이프 80m 40개 SINIL 중포장 투명_50M 50개 주식회사 신일'</li><li>'3M 스카치 투명양면테이프 리필 017R 017D 본품 좋은사람문구유통'</li><li>'우림 박스 테이프 L3 50M 50개 경포장 투명 OPP 포장용 러버테이프(겨울용/냉동용)_S시리즈_(겨울용)S1-러버(40Mx50개)황색 우림 강서지사'</li></ul>                                     |
+
+## Evaluation
+
+### Metrics
+| Label   | Metric |
+|:--------|:-------|
+| **all** | 0.9643 |
+
+## Uses
+
+### Direct Use for Inference
+
+First install the SetFit library:
+
+```bash
+pip install setfit
+```
+
+Then you can load this model and run inference.
+
+```python
+from setfit import SetFitModel
+
+# Download from the 🤗 Hub
+model = SetFitModel.from_pretrained("mini1013/master_cate_lh8")
+# Run inference
+preds = model("타공판닷컴 세계지도 대형 월드맵 세계지도03_600x900 (주)오빌")
+```
+
+<!--
+### Downstream Use
+
+*List how someone could finetune this model on their own dataset.*
+-->
+
+<!--
+### Out-of-Scope Use
+
+*List how the model may foreseeably be misused and address what users ought not to do with the model.*
+-->
+
+<!--
+## Bias, Risks and Limitations
+
+*What are the known or foreseeable issues stemming from this model? You could also flag here known failure cases or weaknesses of the model.*
+-->
+
+<!--
+### Recommendations
+
+*What are recommendations with respect to the foreseeable issues? For example, filtering explicit content.*
+-->
+
+## Training Details
+
+### Training Set Metrics
+| Training set | Min | Median  | Max |
+|:-------------|:----|:--------|:----|
+| Word count   | 4   | 11.1176 | 26  |
+
+| 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                    |
+| 12.0  | 50                    |
+| 13.0  | 50                    |
+| 14.0  | 50                    |
+| 15.0  | 50                    |
+| 16.0  | 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 |
+|:-------:|:----:|:-------------:|:---------------:|
+| 0.0075  | 1    | 0.4622        | -               |
+| 0.3759  | 50   | 0.3276        | -               |
+| 0.7519  | 100  | 0.2741        | -               |
+| 1.1278  | 150  | 0.167         | -               |
+| 1.5038  | 200  | 0.082         | -               |
+| 1.8797  | 250  | 0.0368        | -               |
+| 2.2556  | 300  | 0.0406        | -               |
+| 2.6316  | 350  | 0.0331        | -               |
+| 3.0075  | 400  | 0.0282        | -               |
+| 3.3835  | 450  | 0.0144        | -               |
+| 3.7594  | 500  | 0.005         | -               |
+| 4.1353  | 550  | 0.0036        | -               |
+| 4.5113  | 600  | 0.0036        | -               |
+| 4.8872  | 650  | 0.0005        | -               |
+| 5.2632  | 700  | 0.0003        | -               |
+| 5.6391  | 750  | 0.0003        | -               |
+| 6.0150  | 800  | 0.0002        | -               |
+| 6.3910  | 850  | 0.0003        | -               |
+| 6.7669  | 900  | 0.0002        | -               |
+| 7.1429  | 950  | 0.0002        | -               |
+| 7.5188  | 1000 | 0.0001        | -               |
+| 7.8947  | 1050 | 0.0001        | -               |
+| 8.2707  | 1100 | 0.0001        | -               |
+| 8.6466  | 1150 | 0.0001        | -               |
+| 9.0226  | 1200 | 0.0001        | -               |
+| 9.3985  | 1250 | 0.0001        | -               |
+| 9.7744  | 1300 | 0.0001        | -               |
+| 10.1504 | 1350 | 0.0001        | -               |
+| 10.5263 | 1400 | 0.0001        | -               |
+| 10.9023 | 1450 | 0.0001        | -               |
+| 11.2782 | 1500 | 0.0001        | -               |
+| 11.6541 | 1550 | 0.0001        | -               |
+| 12.0301 | 1600 | 0.0001        | -               |
+| 12.4060 | 1650 | 0.0001        | -               |
+| 12.7820 | 1700 | 0.0001        | -               |
+| 13.1579 | 1750 | 0.0001        | -               |
+| 13.5338 | 1800 | 0.0001        | -               |
+| 13.9098 | 1850 | 0.0001        | -               |
+| 14.2857 | 1900 | 0.0001        | -               |
+| 14.6617 | 1950 | 0.0001        | -               |
+| 15.0376 | 2000 | 0.0001        | -               |
+| 15.4135 | 2050 | 0.0001        | -               |
+| 15.7895 | 2100 | 0.0001        | -               |
+| 16.1654 | 2150 | 0.0001        | -               |
+| 16.5414 | 2200 | 0.0001        | -               |
+| 16.9173 | 2250 | 0.0001        | -               |
+| 17.2932 | 2300 | 0.0001        | -               |
+| 17.6692 | 2350 | 0.0001        | -               |
+| 18.0451 | 2400 | 0.0001        | -               |
+| 18.4211 | 2450 | 0.0001        | -               |
+| 18.7970 | 2500 | 0.0001        | -               |
+| 19.1729 | 2550 | 0.0001        | -               |
+| 19.5489 | 2600 | 0.0001        | -               |
+| 19.9248 | 2650 | 0.0001        | -               |
+
+### 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
+```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}
+}
+```
+
+<!--
+## Glossary
+
+*Clearly define terms in order to be accessible across audiences.*
+-->
+
+<!--
+## Model Card Authors
+
+*Lists the people who create the model card, providing recognition and accountability for the detailed work that goes into its construction.*
+-->
+
+<!--
+## Model Card Contact
+
+*Provides a way for people who have updates to the Model Card, suggestions, or questions, to contact the Model Card authors.*
+-->

config.json

@@ -0,0 +1,29 @@
+{
+  "_name_or_path": "mini1013/master_item_lh",
+  "architectures": [
+    "RobertaModel"
+  ],
+  "attention_probs_dropout_prob": 0.1,
+  "bos_token_id": 0,
+  "classifier_dropout": null,
+  "eos_token_id": 2,
+  "gradient_checkpointing": false,
+  "hidden_act": "gelu",
+  "hidden_dropout_prob": 0.1,
+  "hidden_size": 768,
+  "initializer_range": 0.02,
+  "intermediate_size": 3072,
+  "layer_norm_eps": 1e-05,
+  "max_position_embeddings": 514,
+  "model_type": "roberta",
+  "num_attention_heads": 12,
+  "num_hidden_layers": 12,
+  "pad_token_id": 1,
+  "position_embedding_type": "absolute",
+  "tokenizer_class": "BertTokenizer",
+  "torch_dtype": "float32",
+  "transformers_version": "4.46.1",
+  "type_vocab_size": 1,
+  "use_cache": true,
+  "vocab_size": 32000
+}

config_sentence_transformers.json

@@ -0,0 +1,10 @@
+{
+  "__version__": {
+    "sentence_transformers": "3.1.1",
+    "transformers": "4.46.1",
+    "pytorch": "2.4.0+cu121"
+  },
+  "prompts": {},
+  "default_prompt_name": null,
+  "similarity_fn_name": null
+}

config_setfit.json

@@ -0,0 +1,4 @@
+{
+  "normalize_embeddings": false,
+  "labels": null
+}

model.safetensors

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:776fdc7ee24947f4124868416ff5bee965b975af785488d35d0a9198f27da420
+size 442494816

model_head.pkl

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:3422de92dc986cd99e4c762752aac44573bd010c4120eeda64b9eecab8536048
+size 105535

modules.json

@@ -0,0 +1,14 @@
+[
+  {
+    "idx": 0,
+    "name": "0",
+    "path": "",
+    "type": "sentence_transformers.models.Transformer"
+  },
+  {
+    "idx": 1,
+    "name": "1",
+    "path": "1_Pooling",
+    "type": "sentence_transformers.models.Pooling"
+  }
+]

sentence_bert_config.json

@@ -0,0 +1,4 @@
+{
+  "max_seq_length": 512,
+  "do_lower_case": false
+}

special_tokens_map.json

@@ -0,0 +1,51 @@
+{
+  "bos_token": {
+    "content": "[CLS]",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "cls_token": {
+    "content": "[CLS]",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "eos_token": {
+    "content": "[SEP]",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "mask_token": {
+    "content": "[MASK]",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "pad_token": {
+    "content": "[PAD]",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "sep_token": {
+    "content": "[SEP]",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "unk_token": {
+    "content": "[UNK]",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  }
+}

tokenizer_config.json

@@ -0,0 +1,66 @@
+{
+  "added_tokens_decoder": {
+    "0": {
+      "content": "[CLS]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "1": {
+      "content": "[PAD]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "2": {
+      "content": "[SEP]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "3": {
+      "content": "[UNK]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "4": {
+      "content": "[MASK]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    }
+  },
+  "bos_token": "[CLS]",
+  "clean_up_tokenization_spaces": false,
+  "cls_token": "[CLS]",
+  "do_basic_tokenize": true,
+  "do_lower_case": false,
+  "eos_token": "[SEP]",
+  "mask_token": "[MASK]",
+  "max_length": 512,
+  "model_max_length": 512,
+  "never_split": null,
+  "pad_to_multiple_of": null,
+  "pad_token": "[PAD]",
+  "pad_token_type_id": 0,
+  "padding_side": "right",
+  "sep_token": "[SEP]",
+  "stride": 0,
+  "strip_accents": null,
+  "tokenize_chinese_chars": true,
+  "tokenizer_class": "BertTokenizer",
+  "truncation_side": "right",
+  "truncation_strategy": "longest_first",
+  "unk_token": "[UNK]"
+}