Hugging Face's logo

mini1013
/
master_cate_top_fd4

Text Classification
setfit
Safetensors
sentence-transformers
roberta
generated_from_setfit_trainer
Eval Results (legacy)
text-embeddings-inference
Model card Files
xet
 Community
mini1013 commited on
Commit
b28a9e9
·
verified ·
1 Parent(s): 6dc610a

Push model using huggingface_hub.

Browse files
Files changed (13) hide show
  1. 1_Pooling/config.json +10 -0
  2. README.md +550 -0
  3. config.json +29 -0
  4. config_sentence_transformers.json +10 -0
  5. config_setfit.json +4 -0
  6. model.safetensors +3 -0
  7. model_head.pkl +3 -0
  8. modules.json +14 -0
  9. sentence_bert_config.json +4 -0
  10. special_tokens_map.json +51 -0
  11. tokenizer.json +0 -0
  12. tokenizer_config.json +66 -0
  13. vocab.txt +0 -0
1_Pooling/config.json ADDED
@@ -0,0 +1,10 @@
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "word_embedding_dimension": 768,
3
+ "pooling_mode_cls_token": false,
4
+ "pooling_mode_mean_tokens": true,
5
+ "pooling_mode_max_tokens": false,
6
+ "pooling_mode_mean_sqrt_len_tokens": false,
7
+ "pooling_mode_weightedmean_tokens": false,
8
+ "pooling_mode_lasttoken": false,
9
+ "include_prompt": true
10
+ }
README.md ADDED
@@ -0,0 +1,550 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ ---
2
+ tags:
3
+ - setfit
4
+ - sentence-transformers
5
+ - text-classification
6
+ - generated_from_setfit_trainer
7
+ widget:
8
+ - text: 고흥 유자 10kg 신선농장 상품 10kg (#M)식품>농산물>과일>오렌지 T200 > Naverstore > 식품 > 과일 > 오렌지/자몽/레몬
9
+ > 오렌지
10
+ - text: 국내산 참다래 5kg/10kg 골드/레드키위 국내산 그린키위10kg 91-100과 (#M)식품>농산물>과일>키위/참다래 T200 >
11
+ Naverstore > 식품 > 과일 > 키위/참다래
12
+ - text: 제스프리 썬골드키위 대왕점보사이즈 8개입 (155g내외) 뉴질랜드 (#M)식품>농산물>과일>바나나 T200 > Naverstore
13
+ > 식품 > 과일 > 바나나/망고/파인애플 > 바나나
14
+ - text: 새콤달콤 스타루비 레드 자몽 특대과 특품 5kg 5-7과 (#M)식품>농산물>과일>자몽 T200 > Naverstore > 식품 >
15
+ 과일 > 오렌지/자몽/레몬 > 자몽
16
+ - text: 프리미엄 냉동과일 아보카도 다이스, 냉동아보카도 500g 02. 냉동 람부탄 1팩 (#M)식품>농산물>과일>아보카도 T200 > Naverstore
17
+ > 식품 > 과일 > 아보카도
18
+ metrics:
19
+ - accuracy
20
+ pipeline_tag: text-classification
21
+ library_name: setfit
22
+ inference: true
23
+ base_model: klue/roberta-base
24
+ model-index:
25
+ - name: SetFit with klue/roberta-base
26
+ results:
27
+ - task:
28
+ type: text-classification
29
+ name: Text Classification
30
+ dataset:
31
+ name: Unknown
32
+ type: unknown
33
+ split: test
34
+ metrics:
35
+ - type: accuracy
36
+ value: 0.998283105022831
37
+ name: Accuracy
38
+ ---
39
+
40
+ # SetFit with klue/roberta-base
41
+
42
+ This is a [SetFit](https://github.com/huggingface/setfit) model that can be used for Text Classification. This SetFit model uses [klue/roberta-base](https://huggingface.co/klue/roberta-base) 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.
43
+
44
+ The model has been trained using an efficient few-shot learning technique that involves:
45
+
46
+ 1. Fine-tuning a [Sentence Transformer](https://www.sbert.net) with contrastive learning.
47
+ 2. Training a classification head with features from the fine-tuned Sentence Transformer.
48
+
49
+ ## Model Details
50
+
51
+ ### Model Description
52
+ - **Model Type:** SetFit
53
+ - **Sentence Transformer body:** [klue/roberta-base](https://huggingface.co/klue/roberta-base)
54
+ - **Classification head:** a [LogisticRegression](https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html) instance
55
+ - **Maximum Sequence Length:** 512 tokens
56
+ - **Number of Classes:** 31 classes
57
+ <!-- - **Training Dataset:** [Unknown](https://huggingface.co/datasets/unknown) -->
58
+ <!-- - **Language:** Unknown -->
59
+ <!-- - **License:** Unknown -->
60
+
61
+ ### Model Sources
62
+
63
+ - **Repository:** [SetFit on GitHub](https://github.com/huggingface/setfit)
64
+ - **Paper:** [Efficient Few-Shot Learning Without Prompts](https://arxiv.org/abs/2209.11055)
65
+ - **Blogpost:** [SetFit: Efficient Few-Shot Learning Without Prompts](https://huggingface.co/blog/setfit)
66
+
67
+ ### Model Labels
68
+ | Label | Examples |
69
+ |:------|:------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
70
+ | 20.0 | <ul><li>'신선마켓 네이블오렌지 블러드오렌지 빨간오렌지 1-17kg 1박스 🍊 블러드오렌지_80-100개 18kg (#M)식품>농산물>과일>오렌지 T200 > Naverstore > 식품 > 과일 > 오렌지/자몽/레몬 > 오렌지'</li><li>'모던 앤 코지 위드 어셈블 화이트체어(발받침포함) rc014 학생의자/사무용의자, 오렌지 (#M)식품>농산물>과일>오렌지 T200 > Naverstore > 식품 > 과일 > 오렌지/자몽/레몬 > 오렌지'</li><li>'네이블오렌지 썬키스트오렌지 블랙라벨오렌지 블랙라벨오렌지 대과 20개 (#M)식품>농산물>과일>오렌지 T200 > Naverstore > 식품 > 과일 > 오렌지/자몽/레몬 > 오렌지'</li></ul> |
71
+ | 19.0 | <ul><li>'대한민국농수산 아보카도 생과 과일 아보카도(중과) 5개 (#M)식품>농산물>과일>아보카도 T200 > Naverstore > 식품 > 과일 > 아보카도'</li><li>'[ 환불보장] 최상급 아보카도 중과 대과 🥑 중과 (±180g) 20과 (#M)식품>농산물>과일>아보카도 T200 > Naverstore > 식품 > 과일 > 아보카도'</li><li>'아보카도 대과 (후숙, 수량 선택) 아보카도 대과 후숙 12개입 (#M)식품>농산물>과일>아보카도 T200 > Naverstore > 식품 > 과일 > 아보카도'</li></ul> |
72
+ | 27.0 | <ul><li>'스테비아 일반 대추방울토마토 청포도 레드 블랙 스윗마토 2kg 5kg (소과,중과,대과) 스테비아 방울토마토 500g x 4팩 (#M)식품>농산물>과일>토마토 T200 > Naverstore > 식품 > 과일 > 토마토'</li><li>'스테비아 토마토 대추 방울토마토 설탕 망고맛토 500g 스테비아 큰 토마토 1kg (#M)식품>농산물>과일>토마토 T200 > Naverstore > 식품 > 과일 > 토마토'</li><li>'식식한상 부여 스테비아 레드블랙마토 청포도향 방울토망고 500g 2. 레드스윗마토 500g (#M)식품>농산물>과일>토마토 T200 > Naverstore > 식품 > 과일 > 토마토'</li></ul> |
73
+ | 8.0 | <ul><li>'가정용 업소용 물에 타서 마시는 매실농축액 1.5L (#M)식품>농산물>과일>매실 T200 > Naverstore > 식품 > 과일 > 매실/무화과 > 매실'</li><li>'매실 원액 국내산 식당 음식 맛내기 음료 청매실 1.5L 상품선택_매실원액1.5리터 (#M)식품>농산물>과일>매실 T200 > Naverstore > 식품 > 과일 > 매실/무화과 > 매실'</li><li>'선물용 국산 수제 매실청 매실원액 액기스 선물세트 부모님설선물 설날 명절 새해 (#M)식품>농산물>과일>매실 T200 > Naverstore > 식품 > 과일 > 매실/무화과 > 매실'</li></ul> |
74
+ | 17.0 | <ul><li>'신선마켓 생석류 석류생과 못난이 1-5kg 1박스 6개 총 2.7kg내외 (#M)식품>농산물>과일>석류 T200 > Naverstore > 식품 > 과일 > 포도/체리/석류 > 석류'</li><li>'프리미엄 미국산 석류 생석류 석류생과 항공직송 미국 석류 특대_4개입/개당 450g 내외 (#M)식품>농산물>과일>석류 T200 > Naverstore > 식품 > 과일 > 포도/체리/석류 > 석류'</li><li>'정아네식탁 새콤달콤 붉은 제철 석류 생과 3과 약1kg 석류 10과 약3.3kg (#M)식품>농산물>과일>석류 T200 > Naverstore > 식품 > 과일 > 포도/체리/석류 > 석류'</li></ul> |
75
+ | 0.0 | <ul><li>'청도반시 제철 씨없는 감 연시 홍시 5kg 청도 반시 5kg_중소과(36-40과) (#M)식품>농산물>과일>감 T200 > Naverstore > 식품 > 과일 > 감/홍시'</li><li>'대봉감 홍시 곶감용감 떫은 땡감 대봉시 홍시감 대봉감 10kg_2-1) 10kg 중대과 (36-45과) (#M)식품>농산물>과일>감 T200 > Naverstore > 식품 > 과일 > 감/홍시'</li><li>'대봉감 홍시 곶감용 대봉시 단감 5kg 10kg 13:00 이전주문시 당일발송_10kg 대봉감_대봉감 10kg 45과내 중소과 (#M)식품>농산물>과일>감 T200 > Naverstore > 식품 > 과일 > 감/홍시'</li></ul> |
76
+ | 21.0 | <ul><li>'[하세요]경북 김천 대석 후무사(7월출고) 자두 당일 수확 국내산 2kg/3kg 후무사(7월출고)_대과 3kg (#M)식품>농산물>과일>자두 T200 > Naverstore > 식품 > 과일 > 자두/복숭아 > 자두'</li><li>'[새벽수확] 명품 대과 고당도 자두 (#M)식품>농산물>과일>자두 T200 > Naverstore > 식품 > 과일 > 자두/복숭아 > 자두'</li><li>'달콤함 한가득 자두 300g+300g 소과 (300gx2팩/팩당 11-15과) 자두 소과 (300gx2팩/팩당 11-15과) (#M)식품>농산물>과일>자두 T200 > Naverstore > 식품 > 과일 > 자두/복숭아 > 자두'</li></ul> |
77
+ | 4.0 | <ul><li>'뉴뜨레 냉동딸기 블루베리 망고 키위 패션후르츠 라즈베리 홍시 무가당 홀 국산 수입산 뉴뜨레 냉동천도복숭아 슬라이스 1kg 중국산 (#M)식품>농산물>과일>딸기 T200 > Naverstore > 식품 > 과일 > 딸기/베리류 > 딸기'</li><li>'상큼딸기 맛있는 설향 달콤 2kg 4kg 대과 6kg (#M)식품>농산물>과일>딸기 T200 > Naverstore > 식품 > 과일 > 딸기/베리류 > 딸기'</li><li>'생딸기 산청 금실 설향 딸기 생딸기(11월 예정) (#M)식품>농산물>과일>딸기 T200 > Naverstore > 식품 > 과일 > 딸기/베리류 > 딸기'</li></ul> |
78
+ | 18.0 | <ul><li>'고당도 애플 미니 복 꿀 수박 3kg 4kg 5kg 6kg 꿀수박_3kg미만 (#M)식품>농산물>과일>수박 T200 > Naverstore > 식품 > 과일 > 수박/멜론 > 수박'</li><li>'달콤한 허니듀 메론 대과 4개 9.6kg내외 (#M)식품>농산물>과일>수박 T200 > Naverstore > 식품 > 과일 > 수박/멜론 > 수박'</li><li>'고당도 꿀 갑봉 수박 3kg/4kg/5kg/6kg/7kg/8kg 수박 7kg (#M)식품>농산물>과일>수박 T200 > Naverstore > 식품 > 과일 > 수박/멜론 > 수박'</li></ul> |
79
+ | 13.0 | <ul><li>'미식애락 햇 토종 수퍼 복분자 블랙베리 생과 급냉 3Kg 23년햇 수퍼복분자(블랙베리)지퍼팩1KgX3개 (#M)식품>농산물>과일>복분자 T200 > Naverstore > 식품 > 과일 > 딸기/베리류 > 복분자'</li><li>'납볼망치 900g 길이340mm NAVI문구 사무 탕비 생활 리빙 공구 수공구 공사 인테리어 수리 (#M)식품>농산물>과일>복분자 T200 > Naverstore > 식품 > 과일 > 딸기/베리류 > 복분자'</li><li>'내고향푸드 국내산 복분자 원액 엑기스 추출액 선물세트 750ml2병 (#M)식품>농산물>과일>복분자 T200 > Naverstore > 식품 > 과일 > 딸기/베리류 > 복분자'</li></ul> |
80
+ | 22.0 | <ul><li>'무화과 영암무화과 홍무화과 청무화과 청 무화과 2kg (#M)식품>농산물>과일>자몽 T200 > Naverstore > 식품 > 과일 > 오렌지/자몽/레몬 > 자몽'</li><li>'초신선 자몽 직수입 레드 자몽 N.캘리포니아_루비 자몽 소과 20과 (#M)식품>농산물>과일>자몽 T200 > Naverstore > 식품 > 과일 > 오렌지/자몽/레몬 > 자몽'</li><li>'청자몽 메로골드 골드자몽 미국산 2.5KG 5KG 7.5kg 10KG 15KG 청자몽 10KG(18과) (#M)식품>농산물>과일>자몽 T200 > Naverstore > 식품 > 과일 > 오렌지/자몽/레몬 > 자몽'</li></ul> |
81
+ | 3.0 | <ul><li>'냉동 잭후르츠 500g 잭푸르트 선택21.신정패션후르츠(냉동과일)1kg (#M)식품>농산물>과일>기타과일 T200 > Naverstore > 식품 > 과일 > 기타과일'</li><li>'베트남 용과 백용과 2.5kg 5kg 최상급 라방특가★백색 용과 5.0kg내외 10과 (#M)식품>농산물>과일>기타과일 T200 > Naverstore > 식품 > 과일 > 기타과일'</li><li>'고흥 햇유자 산지직송 10kg 5kg 못난이 유자 5kg (#M)식품>농산물>과일>기타과일 T200 > Naverstore > 식품 > 과일 > 기타과일'</li></ul> |
82
+ | 14.0 | <ul><li>'햇살아름 당도선별 고당도 샤인머스켓 1kg내외2수 (#M)식품>농산물>과일>복숭아 T200 > Naverstore > 식품 > 과일 > 자두/복숭아 > 복숭아'</li><li>'하우스 복숭아 도넛 납작복숭아 철 대극천 신비복숭아 딱딱이 말랑이 천도 백도 망고맛 황도 허니쫀복이 거반도 제철과일 ★[한정수량특가] 겨울복숭아 쫀득 설아복숭아★_1.9kg 내외(6과)(발송중) (#M)식품>농산물>과일>복숭아 T200 > Naverstore > 식품 > 과일 > 자두/복숭아 > 복숭아'</li><li>'하우스 복숭아 도넛 납작복숭아 철 대극천 신비복숭아 딱딱이 말랑이 천도 백도 망고맛 황도 허니쫀복이 거반도 제철과일 [한정수량추천] 애플망고 쫀복이_2kg+2kg (4kg내외) (#M)식품>농산물>과일>복숭아 T200 > Naverstore > 식품 > 과일 > 자두/복숭아 > 복숭아'</li></ul> |
83
+ | 24.0 | <ul><li>'제주 천혜향 황금향 5kg 10kg 선물용 가정용 못난이 5키로 10키로 택배 오부자농장 천혜향_12월말 발송예정_선물용5kg특대과(11~15과) (#M)식품>농산물>과일>천혜향 T200 > Naverstore > 식품 > 과일 > 한라봉/감귤류 > 천혜향'</li><li>'제주 황금향 2봉지 2kg 내외 고당도 제철 과일 (#M)식품>농산물>과일>천혜향 T200 > Naverstore > 식품 > 과일 > 한라봉/감귤류 > 천혜향'</li><li>'제주 레드비트 5kg 혼합 9에서15개 내외 (#M)식품>농산물>과일>천혜향 T200 > Naverstore > 식품 > 과일 > 한라봉/감귤류 > 천혜향'</li></ul> |
84
+ | 23.0 | <ul><li>'꿀 성주참외 가정용 못난이참외 꼬마 선물용 正品_중과 (4~5과) 1.5kg (개별 망) (#M)식품>농산물>과일>참외 T200 > Naverstore > 식품 > 과일 > 참외'</li><li>'지오이츠 성주 꿀 참외 산지직송 소꼬마 중과 대과 1.25kg+1.25kg 맛없으면 환불 04)참외 중소과 1.25+1.25kg (#M)식품>농산물>과일>참외 T200 > Naverstore > 식품 > 과일 > 참외'</li><li>'성주참외 가정용 선물용 고당도 꿀참외 5kg 10kg 꼬마 못난이 가정용_10kg_소과 (#M)식품>농산물>과일>참외 T200 > Naverstore > 식품 > 과일 > 참외'</li></ul> |
85
+ | 2.0 | <ul><li>'[달달트레이] 부모님첫인사 상견례 예단 일산과일바구니 병문안 출산 승진 일산과일 선물세트 크리스탈 딥그린 (#M)식품>농산물>과일>과일세트 T200 > Naverstore > 식품 > 과일 > 과일세트'</li><li>'[달콤트레이S] 부산 과일바구니 예단 선물세트 첫인사 상견례 병문안 출산 백화점 선택안함_해운대구 / 사상구 / 북구 / 서구 / 중구 (#M)식품>농산물>과일>과일세트 T200 > Naverstore > 식품 > 과일 > 과일세트'</li><li>'과일 포장제 그물망 흰색 완충제 충격방지 보호 포도 키위 배 사과 오렌지 S (#M)식품>농산물>과일>과일세트 T200 > Naverstore > 식품 > 과일 > 과일세트'</li></ul> |
86
+ | 9.0 | <ul><li>'GAP인증 세론이 멜론 특품 3수 5kg 당도선별 13brix이상 세지메론 (#M)식품>농산물>과일>멜론 T200 > Naverstore > 식품 > 과일 > 수박/멜론 > 멜론'</li><li>'호주 네이쳐스탑 마누카 허러스 450 프로폴리스 30포 스틱 1개월분 코스트코 메디 뉴질랜드 꿀 (#M)식품>농산물>과일>멜론 T200 > Naverstore > 식품 > 과일 > 수박/멜론 > 멜론'</li><li>'머스크 멜론 고당도 대신메론 특품 2kg 4kg 8kg 선물세트 머스크메론 선택_[가락] 머스크메론 특품 3수 6kg (#M)식품>농산물>과일>멜론 T200 > Naverstore > 식품 > 과일 > 수박/멜론 > 멜론'</li></ul> |
87
+ | 11.0 | <ul><li>'프리미엄 태국망고 고당도 골드망고 항공수입 2kg (4-7과 내외) (#M)식품>농산물>과일>바나나 T200 > Naverstore > 식품 > 과일 > 바나나/망고/파인애플 > 바나나'</li><li>'중대과 아보카도 5과 과일 수입 생 생과 (#M)식품>농산물>과일>바나나 T200 > Naverstore > 식품 > 과일 > 바나나/망고/파인애플 > 바나나'</li><li>'더노랑 바나나 델몬트 유니 라티다 2.6kg 3.9kg 4.2kg 6kg 13kg 라티다 커트 바나나 3p (3.9kg) (#M)식품>농산물>과일>바나나 T200 > Naverstore > 식품 > 과일 > 바나나/망고/파인애플 > 바나나'</li></ul> |
88
+ | 30.0 | <ul><li>'쇼츠 일상복 여성레깅스 스포츠레깅스 4부 밴딩바지 바이커 레깅스 라벤더_1번 44 55 (#M)식품>농산물>과일>한라봉 T200 > Naverstore > 식품 > 과일 > 한라봉/감귤류 > 한라봉'</li><li>'제주 서귀포 감귤 극조생감귤 노지귤 고당도 유라조생 타이벡귤 5 kg 10kg 고당도 조생감귤_중과 10 kg (#M)식품>농산물>과일>한라봉 T200 > Naverstore > 식품 > 과일 > 한라봉/감귤류 > 한라봉'</li><li>'제주도 단맛좋은 황금향 (한라봉 천혜향 레드향 서귀포 귤) ★카라향(3월~)_선물용 3kg (#M)식품>농산물>과일>한라봉 T200 > Naverstore > 식품 > 과일 > 한라봉/감귤류 > 한라봉'</li></ul> |
89
+ | 15.0 | <ul><li>'황성범님의 순창 무농약 블루베리 생과 급냉 1kg 블루베리 (급냉) 상품 1kg (#M)식품>농산물>과일>블루베리 T200 > Naverstore > 식품 > 과일 > 딸기/베리류 > 블루베리'</li><li>'돌 Dole 생 블루베리 750g (6팩/125g) 칠레/미국산 16mm 돌코리아 1.5kg(125g짜리 12팩) (#M)식품>농산물>과일>블루베리 T200 > Naverstore > 식품 > 과일 > 딸기/베리류 > 블루베리'</li><li>'핀란디아 핀란드 블루베리 파우더 6통 (#M)건강식품>건강즙>마늘즙 KGC > traverse > Auction > 식품/마트/유아 > 식품 > 건강식품 > 건강즙 > 마늘즙'</li></ul> |
90
+ | 7.0 | <ul><li>'태국 남독마이 골드망고 2kg 망고 태국 남독마이 골드망고_2.5Kg(5과 특대과) (#M)식품>농산물>과일>망고 T200 > Naverstore > 식품 > 과일 > 바나나/망고/파인애플 > 망고'</li><li>'망고 골드망고 프리미엄 베트남 최상급 골드망고 2kg내외 (4과~6과) (#M)식품>농산물>과일>망고 T200 > Naverstore > 식품 > 과일 > 바나나/망고/파인애플 > 망고'</li><li>'프리미엄 고당도 애플망고 태국망고 선물세트 항공수입 과일 품질보장 골드망고_2kg(4~6과) (#M)식품>농산물>과일>망고 T200 > Naverstore > 식품 > 과일 > 바나나/망고/파인애플 > 망고'</li></ul> |
91
+ | 1.0 | <ul><li>'제주 귤 5kg 10kg 타이백귤 불로초 제주감귤 꼬마귤 황금향 청귤 ��라실생조생 홍미향 가정용황금향_10키로 (#M)식품>농산물>과일>감귤 T200 > Naverstore > 식품 > 과일 > 한라봉/감귤류 > 감귤'</li><li>'당일수확 맛있는 감귤 금귤 황금향 귤 3kg 5kg 10kg 갓 수확한★노지 조생감귤★_5kg_대과(L-2L) (#M)식품>농산물>과일>감귤 T200 > Naverstore > 식품 > 과일 > 한라봉/감귤류 > 감귤'</li><li>'제주 서귀포 노지 하우스 타이벡 감귤 황금향 레드향 3kg 가정용 선물세트 고당도 타이벡 감귤_3kg 중대과(L/2L) (#M)식품>농산물>과일>감귤 T200 > Naverstore > 식품 > 과일 > 한라봉/감귤류 > 감귤'</li></ul> |
92
+ | 10.0 | <ul><li>'향긋한 너에게 전남 프리미엄 청무화과 홍무화과 재래종무화과 당일수확 1.2kg 2.4kg 혼합 홍/청/재래종 무화과: 1.2kg(2팩) (#M)식품>농산물>과일>무화과 T200 > Naverstore > 식품 > 과일 > 매실/무화과 > 무화과'</li><li>'새벽수확 꿀당도 영암 생 무화과 (#M)식품>농산물>과일>무화과 T200 > Naverstore > 식품 > 과일 > 매실/무화과 > 무화과'</li><li>'GAP 영암 무화과 달콤한 국내산 햇무화과 으뜸농장 무화과 4팩 (2~2.4kg내외) (#M)식품>농산물>과일>무화과 T200 > Naverstore > 식품 > 과일 > 매실/무화과 > 무화과'</li></ul> |
93
+ | 28.0 | <ul><li>'파인애플주스(돌 1L) X12 (#M)식품>농산물>과일>파인애플 T200 > Naverstore > 식품 > 과일 > 바나나/망고/파인애플 > 파인애플'</li><li>'고당도 골드 파인애플 9수 사이즈 (2개입 7개입) 골드 파인애플 9개입 (#M)식품>농산물>과일>파인애플 T200 > Naverstore > 식품 > 과일 > 바나나/망고/파인애플 > 파인애플'</li><li>'일화 프레주 스위트 파인 175mlx30캔 (#M)식품>농산물>과일>파인애플 T200 > Naverstore > 식품 > 과일 > 바나나/망고/파인애플 > 파인애플'</li></ul> |
94
+ | 6.0 | <ul><li>'팬시 레몬 140과(개당120g내외) 20개 썬키스트 리모네이라 17kg 판매 팬시레몬 대과(±140g) 20개 (#M)식품>농산물>과일>레몬 T200 > Naverstore > 식품 > 과일 > 오렌지/자몽/레몬 > 레몬'</li><li>'제주 팬시 유기농레몬 무농약 씨없는 썬키스트 미국산 청레몬 국산 못난이 생 그린 레몬 팬시레몬140g내외 대과 20과(소진시 종료) (#M)식품>농산물>과일>레몬 T200 > Naverstore > 식품 > 과일 > 오렌지/자몽/레몬 > 레몬'</li><li>'제주 청레몬 2kg, 3kg, 5kg, 10kg / GAP인증 햇 그린레몬 제주 청레몬 2kg (#M)식품>농산물>과일>레몬 T200 > Naverstore > 식품 > 과일 > 오렌지/자몽/레몬 > 레몬'</li></ul> |
95
+ | 25.0 | <ul><li>'프리미엄 고당도 생체리 1kg 2kg 왕체리 항공직송 9.5ROW(대)💥예약구매12월중순발송_2KG /생체리💥12월중순발송 (#M)식품>농산물>과일>체리 T200 > Naverstore > 식품 > 과일 > 포도/체리/석류 > 체리'</li><li>'업소용 375g) 명진 체리(적 X12 식당 업소 식재료 (#M)식품>농산물>과일>체리 T200 > Naverstore > 식품 > 과일 > 포도/체리/석류 > 체리'</li><li>'식자재민족 냉동 라즈베리 500g (칠레) 포유 냉동 다크체리 500g (칠레) (#M)식품>농산물>과일>체리 T200 > Naverstore > 식품 > 과일 > 포도/체리/석류 > 체리'</li></ul> |
96
+ | 26.0 | <ul><li>'제주 제스프리 골드키위 레드키위 10과 2. 제주 레드키위_3. 소 75g내외 30과 (#M)식품>농산물>과일>키위/참다래 T200 > Naverstore > 식품 > 과일 > 키위/참다래'</li><li>'제스프리 뉴질랜드 썬골드키위 5.8kg 🥝 5.8Kg 1박스_대과 52개 (개당 110g내외) (#M)식품>농산물>과일>키위/참다래 T200 > Naverstore > 식품 > 과일 > 키위/참다래'</li><li>'한퇴골팜 유기농키위 참다래 10kg 특95~85과 (#M)식품>농산물>과일>키위/참다래 T200 > Naverstore > 식품 > 과일 > 키위/참다래'</li></ul> |
97
+ | 5.0 | <ul><li>'얄리 기모 무발 털 SD 레깅스 221103 스타킹 퍼플 (#M)식품>농산물>과일>레드향 T200 > Naverstore > 식품 > 과일 > 한라봉/감귤류 > 레드향'</li><li>'제주 레드향 제주 레드향 10kg 중대과 (#M)식품>농산물>과일>레드향 T200 > Naverstore > 식품 > 과일 > 한라봉/감귤류 > 레드향'</li><li>'얄리 기모 무발 털 SD 레깅스 221103 스타킹 그레이 (#M)식품>농산물>과일>레드향 T200 > Naverstore > 식품 > 과일 > 한라봉/감귤류 > 레드향'</li></ul> |
98
+ | 29.0 | <ul><li>'샤인머스켓 수출용 고당도 프리미엄 샤인머스캣 포도 2kg 3수 (#M)식품>농산물>과일>포도 T200 > Naverstore > 식품 > 과일 > 포도/체리/석류 > 포도'</li><li>'고당도 샤인머스켓 2kg 선물용 씨없는포도 명절선물세트 가정용 4kg (#M)식품>농산물>과일>포도 T200 > Naverstore > 식품 > 과일 > 포도/체리/석류 > 포도'</li><li>'샤인머스캣 2키로 4키로 맛있는 고당도 상주 프리미엄 청포도 18~20 브릭스 선물용2kg(2~3수) (#M)식품>농산물>과일>포도 T200 > Naverstore > 식품 > 과일 > 포도/체리/석류 > 포도'</li></ul> |
99
+ | 12.0 | <ul><li>'나주배 가정용/선물세트 햇배 5kg 7.5kg 15kg 가정용 햇배_7.5kg 11-12과 (#M)식품>농산물>과일>배 T200 > Naverstore > 식품 > 과일 > 배'</li><li>'가정용 못난이 신고 원황 낙과 기스 꿀 흠집 아산 상주 명절 선물 배 세트 주스용 쥬스용 신고배 선물세트_7.5kg 11~12입 중대과 보자기 포장 (#M)식품>농산물>과일>배 T200 > Naverstore > 식품 > 과일 > 배'</li><li>'맛있는 해들향 안성배 알뜰배 판매 알뜰 7.5kg중과(11~12과입) (#M)식품>농산물>과일>배 T200 > Naverstore > 식품 > 과일 > 배'</li></ul> |
100
+ | 16.0 | <ul><li>'청송사과 늘봄 부사 시나노골드 정품 흠과 1.5kg 3Kg 5Kg 부사_부사5kg 상품_소과(20~22과) (#M)식품>농산물>과일>사과 T200 > Naverstore > 식품 > 과일 > 사과'</li><li>'사과 부사 청송 문경 경북사과 5kg 10kg 노란 황금 시나노골드 가정용 못난이 흠집 꿀 고당도 빨간 홍로 맛있는 청 초록 풋 햇 아오리 아리수 농장 10키로 껍질째먹는사과 경북 (청송 문경 안동 무주 상주)_부사 가정용 (정품)_5kg 소꼬마과 (29~31) (#M)식품>농산물>과일>사과 T200 > Naverstore > 식품 > 과일 > 사과'</li><li>'밀양 얼음골 사과 햇 부사 5kg 10kg 맛있는 못난이 사과 꿀 흠집 흠과 기스 고당도 부사 정품_10kg 중소과(38~44과) 정품 (#M)식품>농산물>과일>사과 T200 > Naverstore > 식품 > 과일 > 사과'</li></ul> |
101
+
102
+ ## Evaluation
103
+
104
+ ### Metrics
105
+ | Label | Accuracy |
106
+ |:--------|:---------|
107
+ | **all** | 0.9983 |
108
+
109
+ ## Uses
110
+
111
+ ### Direct Use for Inference
112
+
113
+ First install the SetFit library:
114
+
115
+ ```bash
116
+ pip install setfit
117
+ ```
118
+
119
+ Then you can load this model and run inference.
120
+
121
+ ```python
122
+ from setfit import SetFitModel
123
+
124
+ # Download from the 🤗 Hub
125
+ model = SetFitModel.from_pretrained("mini1013/master_cate_top_fd4")
126
+ # Run inference
127
+ preds = model("고흥 유자 10kg 신선농장 상품 10kg (#M)식품>농산물>과일>오렌지 T200 > Naverstore > 식품 > 과일 > 오렌지/자몽/레몬 > 오렌지")
128
+ ```
129
+
130
+ <!--
131
+ ### Downstream Use
132
+
133
+ *List how someone could finetune this model on their own dataset.*
134
+ -->
135
+
136
+ <!--
137
+ ### Out-of-Scope Use
138
+
139
+ *List how the model may foreseeably be misused and address what users ought not to do with the model.*
140
+ -->
141
+
142
+ <!--
143
+ ## Bias, Risks and Limitations
144
+
145
+ *What are the known or foreseeable issues stemming from this model? You could also flag here known failure cases or weaknesses of the model.*
146
+ -->
147
+
148
+ <!--
149
+ ### Recommendations
150
+
151
+ *What are recommendations with respect to the foreseeable issues? For example, filtering explicit content.*
152
+ -->
153
+
154
+ ## Training Details
155
+
156
+ ### Training Set Metrics
157
+ | Training set | Min | Median | Max |
158
+ |:-------------|:----|:--------|:----|
159
+ | Word count | 14 | 21.8097 | 48 |
160
+
161
+ | Label | Training Sample Count |
162
+ |:------|:----------------------|
163
+ | 0.0 | 50 |
164
+ | 1.0 | 50 |
165
+ | 2.0 | 50 |
166
+ | 3.0 | 50 |
167
+ | 4.0 | 50 |
168
+ | 5.0 | 50 |
169
+ | 6.0 | 50 |
170
+ | 7.0 | 50 |
171
+ | 8.0 | 50 |
172
+ | 9.0 | 50 |
173
+ | 10.0 | 50 |
174
+ | 11.0 | 50 |
175
+ | 12.0 | 50 |
176
+ | 13.0 | 50 |
177
+ | 14.0 | 50 |
178
+ | 15.0 | 50 |
179
+ | 16.0 | 50 |
180
+ | 17.0 | 50 |
181
+ | 18.0 | 50 |
182
+ | 19.0 | 50 |
183
+ | 20.0 | 50 |
184
+ | 21.0 | 50 |
185
+ | 22.0 | 50 |
186
+ | 23.0 | 50 |
187
+ | 24.0 | 50 |
188
+ | 25.0 | 50 |
189
+ | 26.0 | 50 |
190
+ | 27.0 | 50 |
191
+ | 28.0 | 50 |
192
+ | 29.0 | 50 |
193
+ | 30.0 | 50 |
194
+
195
+ ### Training Hyperparameters
196
+ - batch_size: (64, 64)
197
+ - num_epochs: (20, 20)
198
+ - max_steps: -1
199
+ - sampling_strategy: oversampling
200
+ - num_iterations: 30
201
+ - body_learning_rate: (2e-05, 1e-05)
202
+ - head_learning_rate: 0.01
203
+ - loss: CosineSimilarityLoss
204
+ - distance_metric: cosine_distance
205
+ - margin: 0.25
206
+ - end_to_end: False
207
+ - use_amp: False
208
+ - warmup_proportion: 0.1
209
+ - l2_weight: 0.01
210
+ - seed: 42
211
+ - eval_max_steps: -1
212
+ - load_best_model_at_end: False
213
+
214
+ ### Training Results
215
+ | Epoch | Step | Training Loss | Validation Loss |
216
+ |:-------:|:-----:|:-------------:|:---------------:|
217
+ | 0.0014 | 1 | 0.5541 | - |
218
+ | 0.0688 | 50 | 0.4773 | - |
219
+ | 0.1376 | 100 | 0.4113 | - |
220
+ | 0.2063 | 150 | 0.3227 | - |
221
+ | 0.2751 | 200 | 0.2635 | - |
222
+ | 0.3439 | 250 | 0.1443 | - |
223
+ | 0.4127 | 300 | 0.054 | - |
224
+ | 0.4814 | 350 | 0.031 | - |
225
+ | 0.5502 | 400 | 0.0242 | - |
226
+ | 0.6190 | 450 | 0.0186 | - |
227
+ | 0.6878 | 500 | 0.013 | - |
228
+ | 0.7565 | 550 | 0.0088 | - |
229
+ | 0.8253 | 600 | 0.0088 | - |
230
+ | 0.8941 | 650 | 0.0088 | - |
231
+ | 0.9629 | 700 | 0.0074 | - |
232
+ | 1.0316 | 750 | 0.0064 | - |
233
+ | 1.1004 | 800 | 0.0037 | - |
234
+ | 1.1692 | 850 | 0.0032 | - |
235
+ | 1.2380 | 900 | 0.002 | - |
236
+ | 1.3067 | 950 | 0.0018 | - |
237
+ | 1.3755 | 1000 | 0.0012 | - |
238
+ | 1.4443 | 1050 | 0.0006 | - |
239
+ | 1.5131 | 1100 | 0.0005 | - |
240
+ | 1.5818 | 1150 | 0.0004 | - |
241
+ | 1.6506 | 1200 | 0.0003 | - |
242
+ | 1.7194 | 1250 | 0.0003 | - |
243
+ | 1.7882 | 1300 | 0.0003 | - |
244
+ | 1.8569 | 1350 | 0.0003 | - |
245
+ | 1.9257 | 1400 | 0.0002 | - |
246
+ | 1.9945 | 1450 | 0.0002 | - |
247
+ | 2.0633 | 1500 | 0.0002 | - |
248
+ | 2.1320 | 1550 | 0.0002 | - |
249
+ | 2.2008 | 1600 | 0.0002 | - |
250
+ | 2.2696 | 1650 | 0.0001 | - |
251
+ | 2.3384 | 1700 | 0.0002 | - |
252
+ | 2.4072 | 1750 | 0.0001 | - |
253
+ | 2.4759 | 1800 | 0.0001 | - |
254
+ | 2.5447 | 1850 | 0.0001 | - |
255
+ | 2.6135 | 1900 | 0.0001 | - |
256
+ | 2.6823 | 1950 | 0.0001 | - |
257
+ | 2.7510 | 2000 | 0.0001 | - |
258
+ | 2.8198 | 2050 | 0.0001 | - |
259
+ | 2.8886 | 2100 | 0.0001 | - |
260
+ | 2.9574 | 2150 | 0.0001 | - |
261
+ | 3.0261 | 2200 | 0.0001 | - |
262
+ | 3.0949 | 2250 | 0.0001 | - |
263
+ | 3.1637 | 2300 | 0.0001 | - |
264
+ | 3.2325 | 2350 | 0.0001 | - |
265
+ | 3.3012 | 2400 | 0.0001 | - |
266
+ | 3.3700 | 2450 | 0.0001 | - |
267
+ | 3.4388 | 2500 | 0.0001 | - |
268
+ | 3.5076 | 2550 | 0.0001 | - |
269
+ | 3.5763 | 2600 | 0.0001 | - |
270
+ | 3.6451 | 2650 | 0.0001 | - |
271
+ | 3.7139 | 2700 | 0.0001 | - |
272
+ | 3.7827 | 2750 | 0.0001 | - |
273
+ | 3.8514 | 2800 | 0.0001 | - |
274
+ | 3.9202 | 2850 | 0.0001 | - |
275
+ | 3.9890 | 2900 | 0.0001 | - |
276
+ | 4.0578 | 2950 | 0.0001 | - |
277
+ | 4.1265 | 3000 | 0.0001 | - |
278
+ | 4.1953 | 3050 | 0.0001 | - |
279
+ | 4.2641 | 3100 | 0.0001 | - |
280
+ | 4.3329 | 3150 | 0.0001 | - |
281
+ | 4.4017 | 3200 | 0.0001 | - |
282
+ | 4.4704 | 3250 | 0.0001 | - |
283
+ | 4.5392 | 3300 | 0.0 | - |
284
+ | 4.6080 | 3350 | 0.0 | - |
285
+ | 4.6768 | 3400 | 0.0 | - |
286
+ | 4.7455 | 3450 | 0.0 | - |
287
+ | 4.8143 | 3500 | 0.0 | - |
288
+ | 4.8831 | 3550 | 0.0 | - |
289
+ | 4.9519 | 3600 | 0.0 | - |
290
+ | 5.0206 | 3650 | 0.0 | - |
291
+ | 5.0894 | 3700 | 0.0 | - |
292
+ | 5.1582 | 3750 | 0.0 | - |
293
+ | 5.2270 | 3800 | 0.0 | - |
294
+ | 5.2957 | 3850 | 0.0 | - |
295
+ | 5.3645 | 3900 | 0.0 | - |
296
+ | 5.4333 | 3950 | 0.0 | - |
297
+ | 5.5021 | 4000 | 0.0 | - |
298
+ | 5.5708 | 4050 | 0.0 | - |
299
+ | 5.6396 | 4100 | 0.0 | - |
300
+ | 5.7084 | 4150 | 0.0 | - |
301
+ | 5.7772 | 4200 | 0.0 | - |
302
+ | 5.8459 | 4250 | 0.0 | - |
303
+ | 5.9147 | 4300 | 0.0 | - |
304
+ | 5.9835 | 4350 | 0.0 | - |
305
+ | 6.0523 | 4400 | 0.0 | - |
306
+ | 6.1210 | 4450 | 0.0 | - |
307
+ | 6.1898 | 4500 | 0.0 | - |
308
+ | 6.2586 | 4550 | 0.0 | - |
309
+ | 6.3274 | 4600 | 0.0 | - |
310
+ | 6.3961 | 4650 | 0.0 | - |
311
+ | 6.4649 | 4700 | 0.0 | - |
312
+ | 6.5337 | 4750 | 0.0 | - |
313
+ | 6.6025 | 4800 | 0.0 | - |
314
+ | 6.6713 | 4850 | 0.0 | - |
315
+ | 6.7400 | 4900 | 0.0 | - |
316
+ | 6.8088 | 4950 | 0.0 | - |
317
+ | 6.8776 | 5000 | 0.0 | - |
318
+ | 6.9464 | 5050 | 0.0 | - |
319
+ | 7.0151 | 5100 | 0.0 | - |
320
+ | 7.0839 | 5150 | 0.0 | - |
321
+ | 7.1527 | 5200 | 0.0 | - |
322
+ | 7.2215 | 5250 | 0.0 | - |
323
+ | 7.2902 | 5300 | 0.0 | - |
324
+ | 7.3590 | 5350 | 0.0 | - |
325
+ | 7.4278 | 5400 | 0.0 | - |
326
+ | 7.4966 | 5450 | 0.0 | - |
327
+ | 7.5653 | 5500 | 0.0 | - |
328
+ | 7.6341 | 5550 | 0.0 | - |
329
+ | 7.7029 | 5600 | 0.0 | - |
330
+ | 7.7717 | 5650 | 0.0 | - |
331
+ | 7.8404 | 5700 | 0.0 | - |
332
+ | 7.9092 | 5750 | 0.0 | - |
333
+ | 7.9780 | 5800 | 0.0 | - |
334
+ | 8.0468 | 5850 | 0.0 | - |
335
+ | 8.1155 | 5900 | 0.0 | - |
336
+ | 8.1843 | 5950 | 0.0 | - |
337
+ | 8.2531 | 6000 | 0.0 | - |
338
+ | 8.3219 | 6050 | 0.0 | - |
339
+ | 8.3906 | 6100 | 0.0 | - |
340
+ | 8.4594 | 6150 | 0.0 | - |
341
+ | 8.5282 | 6200 | 0.0 | - |
342
+ | 8.5970 | 6250 | 0.0 | - |
343
+ | 8.6657 | 6300 | 0.0 | - |
344
+ | 8.7345 | 6350 | 0.0 | - |
345
+ | 8.8033 | 6400 | 0.0 | - |
346
+ | 8.8721 | 6450 | 0.0 | - |
347
+ | 8.9409 | 6500 | 0.0 | - |
348
+ | 9.0096 | 6550 | 0.0 | - |
349
+ | 9.0784 | 6600 | 0.0 | - |
350
+ | 9.1472 | 6650 | 0.0 | - |
351
+ | 9.2160 | 6700 | 0.0 | - |
352
+ | 9.2847 | 6750 | 0.0 | - |
353
+ | 9.3535 | 6800 | 0.0 | - |
354
+ | 9.4223 | 6850 | 0.0 | - |
355
+ | 9.4911 | 6900 | 0.0 | - |
356
+ | 9.5598 | 6950 | 0.0 | - |
357
+ | 9.6286 | 7000 | 0.0 | - |
358
+ | 9.6974 | 7050 | 0.0 | - |
359
+ | 9.7662 | 7100 | 0.0 | - |
360
+ | 9.8349 | 7150 | 0.0 | - |
361
+ | 9.9037 | 7200 | 0.0 | - |
362
+ | 9.9725 | 7250 | 0.0 | - |
363
+ | 10.0413 | 7300 | 0.0 | - |
364
+ | 10.1100 | 7350 | 0.0 | - |
365
+ | 10.1788 | 7400 | 0.0 | - |
366
+ | 10.2476 | 7450 | 0.0 | - |
367
+ | 10.3164 | 7500 | 0.0 | - |
368
+ | 10.3851 | 7550 | 0.0 | - |
369
+ | 10.4539 | 7600 | 0.0 | - |
370
+ | 10.5227 | 7650 | 0.0 | - |
371
+ | 10.5915 | 7700 | 0.0 | - |
372
+ | 10.6602 | 7750 | 0.0 | - |
373
+ | 10.7290 | 7800 | 0.0 | - |
374
+ | 10.7978 | 7850 | 0.0 | - |
375
+ | 10.8666 | 7900 | 0.0 | - |
376
+ | 10.9354 | 7950 | 0.0 | - |
377
+ | 11.0041 | 8000 | 0.0 | - |
378
+ | 11.0729 | 8050 | 0.0 | - |
379
+ | 11.1417 | 8100 | 0.0 | - |
380
+ | 11.2105 | 8150 | 0.0 | - |
381
+ | 11.2792 | 8200 | 0.0 | - |
382
+ | 11.3480 | 8250 | 0.0 | - |
383
+ | 11.4168 | 8300 | 0.0 | - |
384
+ | 11.4856 | 8350 | 0.0 | - |
385
+ | 11.5543 | 8400 | 0.0 | - |
386
+ | 11.6231 | 8450 | 0.0 | - |
387
+ | 11.6919 | 8500 | 0.0 | - |
388
+ | 11.7607 | 8550 | 0.0 | - |
389
+ | 11.8294 | 8600 | 0.0 | - |
390
+ | 11.8982 | 8650 | 0.0 | - |
391
+ | 11.9670 | 8700 | 0.0 | - |
392
+ | 12.0358 | 8750 | 0.0 | - |
393
+ | 12.1045 | 8800 | 0.0 | - |
394
+ | 12.1733 | 8850 | 0.0 | - |
395
+ | 12.2421 | 8900 | 0.0 | - |
396
+ | 12.3109 | 8950 | 0.0 | - |
397
+ | 12.3796 | 9000 | 0.0 | - |
398
+ | 12.4484 | 9050 | 0.0 | - |
399
+ | 12.5172 | 9100 | 0.0 | - |
400
+ | 12.5860 | 9150 | 0.0 | - |
401
+ | 12.6547 | 9200 | 0.0 | - |
402
+ | 12.7235 | 9250 | 0.0 | - |
403
+ | 12.7923 | 9300 | 0.0 | - |
404
+ | 12.8611 | 9350 | 0.0 | - |
405
+ | 12.9298 | 9400 | 0.0 | - |
406
+ | 12.9986 | 9450 | 0.0 | - |
407
+ | 13.0674 | 9500 | 0.0 | - |
408
+ | 13.1362 | 9550 | 0.0 | - |
409
+ | 13.2050 | 9600 | 0.0 | - |
410
+ | 13.2737 | 9650 | 0.0 | - |
411
+ | 13.3425 | 9700 | 0.0 | - |
412
+ | 13.4113 | 9750 | 0.0 | - |
413
+ | 13.4801 | 9800 | 0.0 | - |
414
+ | 13.5488 | 9850 | 0.0 | - |
415
+ | 13.6176 | 9900 | 0.0 | - |
416
+ | 13.6864 | 9950 | 0.0 | - |
417
+ | 13.7552 | 10000 | 0.0 | - |
418
+ | 13.8239 | 10050 | 0.0 | - |
419
+ | 13.8927 | 10100 | 0.0 | - |
420
+ | 13.9615 | 10150 | 0.0 | - |
421
+ | 14.0303 | 10200 | 0.0 | - |
422
+ | 14.0990 | 10250 | 0.0 | - |
423
+ | 14.1678 | 10300 | 0.0 | - |
424
+ | 14.2366 | 10350 | 0.0 | - |
425
+ | 14.3054 | 10400 | 0.0 | - |
426
+ | 14.3741 | 10450 | 0.0 | - |
427
+ | 14.4429 | 10500 | 0.0 | - |
428
+ | 14.5117 | 10550 | 0.0 | - |
429
+ | 14.5805 | 10600 | 0.0 | - |
430
+ | 14.6492 | 10650 | 0.0 | - |
431
+ | 14.7180 | 10700 | 0.0 | - |
432
+ | 14.7868 | 10750 | 0.0 | - |
433
+ | 14.8556 | 10800 | 0.0 | - |
434
+ | 14.9243 | 10850 | 0.0 | - |
435
+ | 14.9931 | 10900 | 0.0 | - |
436
+ | 15.0619 | 10950 | 0.0 | - |
437
+ | 15.1307 | 11000 | 0.0 | - |
438
+ | 15.1994 | 11050 | 0.0 | - |
439
+ | 15.2682 | 11100 | 0.0 | - |
440
+ | 15.3370 | 11150 | 0.0 | - |
441
+ | 15.4058 | 11200 | 0.0 | - |
442
+ | 15.4746 | 11250 | 0.0 | - |
443
+ | 15.5433 | 11300 | 0.0 | - |
444
+ | 15.6121 | 11350 | 0.0 | - |
445
+ | 15.6809 | 11400 | 0.0 | - |
446
+ | 15.7497 | 11450 | 0.0 | - |
447
+ | 15.8184 | 11500 | 0.0 | - |
448
+ | 15.8872 | 11550 | 0.0 | - |
449
+ | 15.9560 | 11600 | 0.0 | - |
450
+ | 16.0248 | 11650 | 0.0 | - |
451
+ | 16.0935 | 11700 | 0.0 | - |
452
+ | 16.1623 | 11750 | 0.0 | - |
453
+ | 16.2311 | 11800 | 0.0 | - |
454
+ | 16.2999 | 11850 | 0.0 | - |
455
+ | 16.3686 | 11900 | 0.0 | - |
456
+ | 16.4374 | 11950 | 0.0 | - |
457
+ | 16.5062 | 12000 | 0.0 | - |
458
+ | 16.5750 | 12050 | 0.0 | - |
459
+ | 16.6437 | 12100 | 0.0 | - |
460
+ | 16.7125 | 12150 | 0.0 | - |
461
+ | 16.7813 | 12200 | 0.0 | - |
462
+ | 16.8501 | 12250 | 0.0 | - |
463
+ | 16.9188 | 12300 | 0.0 | - |
464
+ | 16.9876 | 12350 | 0.0 | - |
465
+ | 17.0564 | 12400 | 0.0 | - |
466
+ | 17.1252 | 12450 | 0.0 | - |
467
+ | 17.1939 | 12500 | 0.0 | - |
468
+ | 17.2627 | 12550 | 0.0 | - |
469
+ | 17.3315 | 12600 | 0.0 | - |
470
+ | 17.4003 | 12650 | 0.0 | - |
471
+ | 17.4691 | 12700 | 0.0 | - |
472
+ | 17.5378 | 12750 | 0.0 | - |
473
+ | 17.6066 | 12800 | 0.0 | - |
474
+ | 17.6754 | 12850 | 0.0005 | - |
475
+ | 17.7442 | 12900 | 0.0021 | - |
476
+ | 17.8129 | 12950 | 0.0002 | - |
477
+ | 17.8817 | 13000 | 0.0001 | - |
478
+ | 17.9505 | 13050 | 0.0 | - |
479
+ | 18.0193 | 13100 | 0.0 | - |
480
+ | 18.0880 | 13150 | 0.0 | - |
481
+ | 18.1568 | 13200 | 0.0 | - |
482
+ | 18.2256 | 13250 | 0.0 | - |
483
+ | 18.2944 | 13300 | 0.0 | - |
484
+ | 18.3631 | 13350 | 0.0 | - |
485
+ | 18.4319 | 13400 | 0.0 | - |
486
+ | 18.5007 | 13450 | 0.0 | - |
487
+ | 18.5695 | 13500 | 0.0 | - |
488
+ | 18.6382 | 13550 | 0.0 | - |
489
+ | 18.7070 | 13600 | 0.0 | - |
490
+ | 18.7758 | 13650 | 0.0 | - |
491
+ | 18.8446 | 13700 | 0.0 | - |
492
+ | 18.9133 | 13750 | 0.0 | - |
493
+ | 18.9821 | 13800 | 0.0 | - |
494
+ | 19.0509 | 13850 | 0.0 | - |
495
+ | 19.1197 | 13900 | 0.0 | - |
496
+ | 19.1884 | 13950 | 0.0 | - |
497
+ | 19.2572 | 14000 | 0.0 | - |
498
+ | 19.3260 | 14050 | 0.0 | - |
499
+ | 19.3948 | 14100 | 0.0 | - |
500
+ | 19.4635 | 14150 | 0.0 | - |
501
+ | 19.5323 | 14200 | 0.0 | - |
502
+ | 19.6011 | 14250 | 0.0 | - |
503
+ | 19.6699 | 14300 | 0.0 | - |
504
+ | 19.7387 | 14350 | 0.0 | - |
505
+ | 19.8074 | 14400 | 0.0 | - |
506
+ | 19.8762 | 14450 | 0.0 | - |
507
+ | 19.9450 | 14500 | 0.0 | - |
508
+
509
+ ### Framework Versions
510
+ - Python: 3.10.12
511
+ - SetFit: 1.1.0
512
+ - Sentence Transformers: 3.3.1
513
+ - Transformers: 4.44.2
514
+ - PyTorch: 2.2.0a0+81ea7a4
515
+ - Datasets: 3.2.0
516
+ - Tokenizers: 0.19.1
517
+
518
+ ## Citation
519
+
520
+ ### BibTeX
521
+ ```bibtex
522
+ @article{https://doi.org/10.48550/arxiv.2209.11055,
523
+ doi = {10.48550/ARXIV.2209.11055},
524
+ url = {https://arxiv.org/abs/2209.11055},
525
+ author = {Tunstall, Lewis and Reimers, Nils and Jo, Unso Eun Seo and Bates, Luke and Korat, Daniel and Wasserblat, Moshe and Pereg, Oren},
526
+ keywords = {Computation and Language (cs.CL), FOS: Computer and information sciences, FOS: Computer and information sciences},
527
+ title = {Efficient Few-Shot Learning Without Prompts},
528
+ publisher = {arXiv},
529
+ year = {2022},
530
+ copyright = {Creative Commons Attribution 4.0 International}
531
+ }
532
+ ```
533
+
534
+ <!--
535
+ ## Glossary
536
+
537
+ *Clearly define terms in order to be accessible across audiences.*
538
+ -->
539
+
540
+ <!--
541
+ ## Model Card Authors
542
+
543
+ *Lists the people who create the model card, providing recognition and accountability for the detailed work that goes into its construction.*
544
+ -->
545
+
546
+ <!--
547
+ ## Model Card Contact
548
+
549
+ *Provides a way for people who have updates to the Model Card, suggestions, or questions, to contact the Model Card authors.*
550
+ -->
config.json ADDED
@@ -0,0 +1,29 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "_name_or_path": "mini1013/master_domain",
3
+ "architectures": [
4
+ "RobertaModel"
5
+ ],
6
+ "attention_probs_dropout_prob": 0.1,
7
+ "bos_token_id": 0,
8
+ "classifier_dropout": null,
9
+ "eos_token_id": 2,
10
+ "gradient_checkpointing": false,
11
+ "hidden_act": "gelu",
12
+ "hidden_dropout_prob": 0.1,
13
+ "hidden_size": 768,
14
+ "initializer_range": 0.02,
15
+ "intermediate_size": 3072,
16
+ "layer_norm_eps": 1e-05,
17
+ "max_position_embeddings": 514,
18
+ "model_type": "roberta",
19
+ "num_attention_heads": 12,
20
+ "num_hidden_layers": 12,
21
+ "pad_token_id": 1,
22
+ "position_embedding_type": "absolute",
23
+ "tokenizer_class": "BertTokenizer",
24
+ "torch_dtype": "float32",
25
+ "transformers_version": "4.44.2",
26
+ "type_vocab_size": 1,
27
+ "use_cache": true,
28
+ "vocab_size": 32000
29
+ }
config_sentence_transformers.json ADDED
@@ -0,0 +1,10 @@
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "__version__": {
3
+ "sentence_transformers": "3.3.1",
4
+ "transformers": "4.44.2",
5
+ "pytorch": "2.2.0a0+81ea7a4"
6
+ },
7
+ "prompts": {},
8
+ "default_prompt_name": null,
9
+ "similarity_fn_name": "cosine"
10
+ }
config_setfit.json ADDED
@@ -0,0 +1,4 @@
 
 
 
 
 
1
+ {
2
+ "normalize_embeddings": false,
3
+ "labels": null
4
+ }
model.safetensors ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:1ea6101db5ffe728215eb11395c79c47cea7fefda53df6464566f69d8a1c01bd
3
+ size 442494816
model_head.pkl ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:70036f763b963b0143362d2a19204a378e152d2dec8aa30f73f9a2679cfdf508
3
+ size 191775
modules.json ADDED
@@ -0,0 +1,14 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ [
2
+ {
3
+ "idx": 0,
4
+ "name": "0",
5
+ "path": "",
6
+ "type": "sentence_transformers.models.Transformer"
7
+ },
8
+ {
9
+ "idx": 1,
10
+ "name": "1",
11
+ "path": "1_Pooling",
12
+ "type": "sentence_transformers.models.Pooling"
13
+ }
14
+ ]
sentence_bert_config.json ADDED
@@ -0,0 +1,4 @@
 
 
 
 
 
1
+ {
2
+ "max_seq_length": 512,
3
+ "do_lower_case": false
4
+ }
special_tokens_map.json ADDED
@@ -0,0 +1,51 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "bos_token": {
3
+ "content": "[CLS]",
4
+ "lstrip": false,
5
+ "normalized": false,
6
+ "rstrip": false,
7
+ "single_word": false
8
+ },
9
+ "cls_token": {
10
+ "content": "[CLS]",
11
+ "lstrip": false,
12
+ "normalized": false,
13
+ "rstrip": false,
14
+ "single_word": false
15
+ },
16
+ "eos_token": {
17
+ "content": "[SEP]",
18
+ "lstrip": false,
19
+ "normalized": false,
20
+ "rstrip": false,
21
+ "single_word": false
22
+ },
23
+ "mask_token": {
24
+ "content": "[MASK]",
25
+ "lstrip": false,
26
+ "normalized": false,
27
+ "rstrip": false,
28
+ "single_word": false
29
+ },
30
+ "pad_token": {
31
+ "content": "[PAD]",
32
+ "lstrip": false,
33
+ "normalized": false,
34
+ "rstrip": false,
35
+ "single_word": false
36
+ },
37
+ "sep_token": {
38
+ "content": "[SEP]",
39
+ "lstrip": false,
40
+ "normalized": false,
41
+ "rstrip": false,
42
+ "single_word": false
43
+ },
44
+ "unk_token": {
45
+ "content": "[UNK]",
46
+ "lstrip": false,
47
+ "normalized": false,
48
+ "rstrip": false,
49
+ "single_word": false
50
+ }
51
+ }
tokenizer.json ADDED
The diff for this file is too large to render. See raw diff
 
tokenizer_config.json ADDED
@@ -0,0 +1,66 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "added_tokens_decoder": {
3
+ "0": {
4
+ "content": "[CLS]",
5
+ "lstrip": false,
6
+ "normalized": false,
7
+ "rstrip": false,
8
+ "single_word": false,
9
+ "special": true
10
+ },
11
+ "1": {
12
+ "content": "[PAD]",
13
+ "lstrip": false,
14
+ "normalized": false,
15
+ "rstrip": false,
16
+ "single_word": false,
17
+ "special": true
18
+ },
19
+ "2": {
20
+ "content": "[SEP]",
21
+ "lstrip": false,
22
+ "normalized": false,
23
+ "rstrip": false,
24
+ "single_word": false,
25
+ "special": true
26
+ },
27
+ "3": {
28
+ "content": "[UNK]",
29
+ "lstrip": false,
30
+ "normalized": false,
31
+ "rstrip": false,
32
+ "single_word": false,
33
+ "special": true
34
+ },
35
+ "4": {
36
+ "content": "[MASK]",
37
+ "lstrip": false,
38
+ "normalized": false,
39
+ "rstrip": false,
40
+ "single_word": false,
41
+ "special": true
42
+ }
43
+ },
44
+ "bos_token": "[CLS]",
45
+ "clean_up_tokenization_spaces": false,
46
+ "cls_token": "[CLS]",
47
+ "do_basic_tokenize": true,
48
+ "do_lower_case": false,
49
+ "eos_token": "[SEP]",
50
+ "mask_token": "[MASK]",
51
+ "max_length": 512,
52
+ "model_max_length": 512,
53
+ "never_split": null,
54
+ "pad_to_multiple_of": null,
55
+ "pad_token": "[PAD]",
56
+ "pad_token_type_id": 0,
57
+ "padding_side": "right",
58
+ "sep_token": "[SEP]",
59
+ "stride": 0,
60
+ "strip_accents": null,
61
+ "tokenize_chinese_chars": true,
62
+ "tokenizer_class": "BertTokenizer",
63
+ "truncation_side": "right",
64
+ "truncation_strategy": "longest_first",
65
+ "unk_token": "[UNK]"
66
+ }
vocab.txt ADDED
The diff for this file is too large to render. See raw diff