Hugging Face's logo

mini1013
/
master_cate_ac0

Text Classification
setfit
Safetensors
sentence-transformers
roberta
generated_from_setfit_trainer
Eval Results
Model card Files Community
master_cate_ac0 / README.md
mini1013's picture
mini1013
Push model using huggingface_hub.
1cd4b5e verified
preview code
|
raw
history blame contribute delete
12.7 kB
metadata
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: >-
      [헤지스ACC]HJBA3F885BK[13인치 노트북 수납가능][KEVIN]블랙 참장식 크로스 겸용 미니 토트백  에이케이에스앤디
      (주) AK인터넷쇼핑몰
  - text: >-
      마젤란 메신저백 크로스백 슬링백 힙색 힙쌕 학생 여성 남자 캐주얼 크로스 여행용 여권 핸드폰 보조 학원 가방
      LKHS-304_B-연핑크(+키홀더) 더블유팝
  - text: >-
      마젤란 메신저백 크로스백 슬링백 힙색 힙쌕 학생 여성 남자 캐주얼 크로스 여행용 여권 핸드폰 보조 학원 가방 ML-1928_연그레이
      더블유팝
  - text: >-
      [갤러리아] JUBA4E021G2 [MATEO] 그레이 로고프린트 숄더백 JUBA4E021G2 [MATEO] 그레이 로고프린트 숄더백
      NS홈쇼핑_NS몰
  - text: '[디스커버리](신세계강남점)[23N] 디스커버리 미니 슬링백 (DXSG0043N) IVD 다크 아이보리_F 주식회사 에스에스지닷컴'
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: 0.8488667448221962
            name: Metric

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 Sources

Model Labels

Label Examples
6.0
  • '질스튜어트블랙 클래식 클러치백 [JUWA2F392BK] 주식회사 에스에스지닷컴'
  • '심플 클러치백 EOCFHX257BK/에스콰이아 블랙 롯데쇼핑(주)'
  • '[듀퐁] 소프트그레인 파우치 베이지 CG180263CL 베이지 (주)씨제이이엔엠'
3.0
  • '엔지니어드가먼츠 블랙 나일론 토트백 23F1H034BLACK 주식회사 어도어럭스'
  • '[가이거] 퀼팅 레더 체인 숄더백 (+플랩지갑) 캐러멜 브라운 (주)우리홈쇼핑'
  • '토트 브리프 크로스백 FT8570 블랙 글로리홈'
4.0
  • '여자캔버스 가방 코디 크로스백 남자에코백 신발 BLUE 고앤런'
  • '여학생 에코백 아이보리 가방 남녀공용 캐주얼 쇼퍼백 엘케이엠'
  • '패션 에코백 데일리 가방 캐주얼 숄더백 브라운 심정'
7.0
  • '[갤러리아] 644040 2BKPI 1000 ONE SIZE 한화갤러리아(주)'
  • '[갤러리아] 헤지스핸드백 그린 워싱가죽 크로스 겸용 토트백 HJBA3E301E2(타임월드) 한화갤러리아(주)'
  • '[메종키츠네] 로고 프린트 코튼 토트백 블루 LW05102WW0008 BLUE_FREE 신세계몰'
2.0
  • '바버 가죽 코팅 서류 가방 브리프 케이스 UBA0004 NAVY 뉴욕트레이딩'
  • '[롯데백화점]에스콰이아 23FW 신상 경량 나일론 노트북 수납 남여 데일리 토트 크로스백 EOCFHX258BK 롯데백화점_'
  • '22FW 신상 뉴 포멀 슬림 스퀘어 심플 비즈니스 캐주얼 서류가방 ECBFHX227GY 롯데백화점1관'
1.0
  • 'NATIONALGEOGRAPHIC N225USD340 다이브 플러스 V3 BLACK 240 맥스투'
  • '레스포삭 보이저 백팩 경량 나일론 보부상 복조리 가방 7839 플라워 행운샵'
  • '레스포삭 보이저 백팩 경량 Voyager Backpack 7839 블랙 하하대행'
0.0
  • '[갤러리아] 헤지스핸드백HJBA2F770BK_ 블랙 로고 장식 솔리드 메신져백(타임월드) 한화갤러리아(주)'
  • '로아드로아 허쉬 메쉬 포켓 크로스 메신저백 (아이보리) 크로스백 FREE 가방팝'
  • '[본사공식] 타프 메신저백 사첼 S EOCBS04 008 롯데아이몰'
5.0
  • '팩세이프 가방 GO 크로스바디 백 2.5L / PACSAFE URBAN 도난방지 유럽 해외 여행 등산 슬링백 크로스백 RFID차단 1. 제트 블랙 (JET BLACK) 시계1위팝워치'
  • '샨타코[Chantaco] 레더 크로스백 BB NH3271C53N 000/라코스테 롯데쇼핑(주)'
  • '팩세이프 가방 GO 크로스바디 백 2.5L / PACSAFE URBAN 도난방지 유럽 해외 여행 등산 슬링백 크로스백 RFID차단 2. 로즈 (ROSE) 시계1위팝워치'
8.0
  • '[기회공작소] 데일리 슬링백 크로스 힙색 허리가방 스포츠 등산 힙색 허리색 슬링백 보조가방 글로리커머스'
  • '구찌 GG 캔버스 투웨이 밸트백 힙색 630915 KY9KN 9886 쏠나인'
  • '벨트형 핸드폰 허리가방 남자 벨트백 세로형 가죽 벨트파우치 지갑 허리벨트케이스 브라운 자주구매'

Evaluation

Metrics

Label Metric
all 0.8489

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_ac0")
# Run inference
preds = model("[디스커버리](신세계강남점)[23N] 디스커버리 미니 슬링백 (DXSG0043N) IVD 다크 아이보리_F 주식회사 에스에스지닷컴")

Training Details

Training Set Metrics

Training set Min Median Max
Word count 4 9.2289 29
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

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
0.0141 1 0.3958 -
0.7042 50 0.3012 -
1.4085 100 0.1811 -
2.1127 150 0.0599 -
2.8169 200 0.0333 -
3.5211 250 0.0169 -
4.2254 300 0.0005 -
4.9296 350 0.0003 -
5.6338 400 0.0002 -
6.3380 450 0.0003 -
7.0423 500 0.0001 -
7.7465 550 0.0001 -
8.4507 600 0.0001 -
9.1549 650 0.0001 -
9.8592 700 0.0001 -
10.5634 750 0.0 -
11.2676 800 0.0001 -
11.9718 850 0.0001 -
12.6761 900 0.0001 -
13.3803 950 0.0 -
14.0845 1000 0.0 -
14.7887 1050 0.0 -
15.4930 1100 0.0 -
16.1972 1150 0.0 -
16.9014 1200 0.0 -
17.6056 1250 0.0 -
18.3099 1300 0.0 -
19.0141 1350 0.0 -
19.7183 1400 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}
}