Hugging Face's logo

mini1013
/
master_cate_lh25

Text Classification
setfit
Safetensors
sentence-transformers
roberta
generated_from_setfit_trainer
Eval Results
Model card Files Community
master_cate_lh25 / README.md
mini1013's picture
mini1013
Push model using huggingface_hub.
3346412 verified
preview code
|
raw
history blame contribute delete
15.4 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: 테팔 매직핸즈 인덕션 블랙스톤 후라이팬 2종(24+28) 05-매트그레이3종(팬24+웍22+손잡이) (주)티피상사
  - text: 놋담 방짜유기 유기 티스푼 10.유기 체리 사각 티스푼 (주)죽전도예
  - text: 위케어 친환경 산화생분해 크린위생장갑 200매 천연일회용 비닐장갑  에이비컴퍼니
  - text: 대형 주방 베이킹 반죽 도마 실리콘 향균 80x70 눈금자 09. 모란그린 플러스 도톰 50x70 사은품 경식시대
  - text: 오리스타 우드 하비 41 우드 큐브1호1구 세트 주식회사 두현인터내셔널
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: 0.5785953728183967
            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
1.0
  • '1 + 1 국산 실리콘 에어프라이어용기 전자렌지용기 6.십자형 1+1 그레이(특대) 리빙스토리'
  • '키친아트 프리미엄 아티스트3종 세트 (18양수+16편수+24전골) 프리미엄 아티스트3종세트 라임안경'
  • 'PN풍년 압력밥솥 AS 부품 고무패킹 PC-20C A. 고무패킹_A-VTG-01. 베르투 VTGPC-01 비슈마켓'
15.0
  • 'HC 빗살 점보그릴양면팬 30cm 주식회사 나르샤'
  • '[갤러리아] 엑스클립스 바닥3중 실속 2종세트 (F28+W28) 한화갤러리아(주)'
  • '[도착보장] 컴플리트 티타늄 IH 계란말이 3종 세트 주식회사 에이치씨컴퍼니 (HC Company)'
11.0
  • '(이엔메디)스탠딩파우치 100장 한약파우치 한약봉지 봉투 한약팩 자연의선물 100장 이엔메디칼'
  • '(시시호시) 타원 가죽트레이 라지사이즈 Free_아쿠아민트 '
  • '셀룰로오스 행주 독일 스웨덴 주방행주 붉은튤립 21.공룡시대 티디인터내셔널'
8.0
  • '1200x800 엔틱 1도 직교자상 브라우니박스12'
  • 'MLL614 순동 향도세트 훈향로 향로 가루향 S 비디마켓(bd Market)'
  • '방짜 수공예품제기 제사제기제기 IW5E8362 코리아샵'
3.0
  • '무공해 옹기명가 쌀독 긴항아리 소금단지 10kg 20kg 20kg 쌀독 옹기명가'
  • '농업용 저장 물탱크 사각 100L 대용량 농약 물통 탱크 말통 식수용 플라스틱 Q.60L3 꾸미다홈'
  • '액체 질소 탱크 10L 20L 30L 냉동 실험실 병원 보관 10리터 125mm 구경 구매가이드'
5.0
  • 'vo/(그레이 2P)삶아쓰는 실리콘 와인마개 공기차단 다용도 병뚜껑 간편한 벤타상사'
  • '[OF511PN6]디아이 미니 디켄더 클리어 ONECOLOR／FREE sellerhub'
  • '쿠킹의정석 에그 수란만들기1개(랜덤) 메종드라라'
7.0
  • '선인장 화분 계량 스푼 숟가락 홀더 4색수저물결무늬화분크라프트지포장+가방 컴어라운드마켓'
  • '총알배송 크놉다이얼 햅 타이머 스탑워치 요가 요리 쿠킹 조리 선물용 가정용 업소용 대량주문 표준형 타이머 올어바웃헬스'
  • '[제이큐]한신 호스밴드-스테인레스 17Inch 430mm BOX20EA 월드와이드 쇼핑'
13.0
  • '[로얄포드] 시그니처 칼블럭 세트 5PCS (주)씨제이이엔엠'
  • '자석 칼걸이 소품걸이 거치대 행거 정리 50CM 수납선반 무타공 용품 프레임 50cm 알리몽드'
  • '양은 절구 210mm 318mm 업소용절구 절구방 업소용 특대260 주방119'
4.0
  • '도자기 종지 ver.1 간장 일본 초장 와사비 미니 소스 그릇 omg 109 선택 I_8) 루미-69 줄고양이 종지 주식회사 오메가키친'
  • '옳음 공기 (4color) 블랙 오픈주방'
  • '에디슨 성인용 교정 젓가락 왼손용 오른손용 에디슨 성인용 교정 젓가락 오른손용 주식회사 성현종합유통'
12.0
  • '타이거보온주전자 핸디저그 1600ml / PWO-A160 화이트 신세계몰'
  • '코카코 물주전자 5L 쭈비쭈비'
  • '주전자 1.5L 들통주전자 스텐 위드위너(e)'
9.0
  • '고운손 자동 세척기 쌀 예스딜'
  • '800도씨 스텐 뒤집개 스패치 스크래퍼 그리들 터너 우드 손잡이 스텐 뒤집개 주식회사 디자인앤라이프스토리'
  • '수동 스테인레스 압착기 프레스 착즙기 2L 스테인리스 스틸 대경'
14.0
  • 'V60종이필터 01/02/03화이트 40매 2-6인용(VCF-03-40W) 하리오코리아주식회사'
  • '스타 플루티드 저그 900ml_2503442/로얄코펜하겐 롯데쇼핑(주)'
  • '칼리타 102필터 40p-화이트 주식회사 로프트샵'
0.0
  • '접이식 테이블 정사각 소(송목) G.TOP'
  • '책상 좌식 블루 스탠다드 4 접이식 D 공부 밥상 1인용 테이블 간이 미니 (SYSH)컴퍼니'
  • '접이식 거실 공부 테이블 미니 좌탁 접이식공부상 상품선택_테이블 라운드 포커스스토어'
6.0
  • '와인잔 큐빅 칵테일잔 투명 보석 내열유리 홈파티 선물 9) 물컵 1개(선물 상자 없음) 김헌수'
  • '테이크아웃컵 100개/아이스컵 투명일회용 플라스틱컵 일자투명빨대(7x210x500개)1개 바른유통'
  • '컨템포러리머그 HM형 0.36L 4p(BG) HME형 '
10.0
  • '상하로 움직이는 S T smart 창문형 주방 정리 식기 건조대 900 1200 선택01) 900 T-스마트[티타늄 컬러] 퀸넥스'
  • '이케아 RINNIG 린니그 패턴 행주 4개입 다크그레이 2) 이나마리아 행주 4P (블루/핑크) 주식회사 랩앤툴스'
  • 'JBJ 코모드 2단 올스텐 식기건조대 주식회사 제이비제이'
2.0
  • 'KNC 모도리 깔끔도마 리필교체형 2p 번트오렌지_크림화이트 그로쓰스토어'
  • '스텐 업소용 대형 도마 주방 살균 위생 베이킹 반죽판 큰 특대 업소 가정용 싱크대 상판 양면접힘_1.5_50x70 와이엘컴퍼니'
  • '[죠셉죠셉]폴리오도마라지그라파이트4종세트 / JJP60184 도마세트 (주)신세계사이먼 파주점'

Evaluation

Metrics

Label Metric
all 0.5786

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_lh25")
# Run inference
preds = model("놋담 방짜유기 유기 티스푼 10.유기 체리 사각 티스푼 (주)죽전도예")

Training Details

Training Set Metrics

Training set Min Median Max
Word count 3 9.5687 22
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

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
0.008 1 0.4166 -
0.4 50 0.3979 -
0.8 100 0.2722 -
1.2 150 0.1862 -
1.6 200 0.1144 -
2.0 250 0.0921 -
2.4 300 0.0586 -
2.8 350 0.0429 -
3.2 400 0.0189 -
3.6 450 0.0096 -
4.0 500 0.0151 -
4.4 550 0.0146 -
4.8 600 0.0154 -
5.2 650 0.012 -
5.6 700 0.0145 -
6.0 750 0.0037 -
6.4 800 0.0064 -
6.8 850 0.001 -
7.2 900 0.0007 -
7.6 950 0.0004 -
8.0 1000 0.0002 -
8.4 1050 0.0002 -
8.8 1100 0.0002 -
9.2 1150 0.0002 -
9.6 1200 0.0002 -
10.0 1250 0.0002 -
10.4 1300 0.0001 -
10.8 1350 0.0001 -
11.2 1400 0.0001 -
11.6 1450 0.0001 -
12.0 1500 0.0001 -
12.4 1550 0.0001 -
12.8 1600 0.0001 -
13.2 1650 0.0001 -
13.6 1700 0.0001 -
14.0 1750 0.0001 -
14.4 1800 0.0001 -
14.8 1850 0.0001 -
15.2 1900 0.0001 -
15.6 1950 0.0001 -
16.0 2000 0.0001 -
16.4 2050 0.0001 -
16.8 2100 0.0001 -
17.2 2150 0.0001 -
17.6 2200 0.0001 -
18.0 2250 0.0001 -
18.4 2300 0.0001 -
18.8 2350 0.0001 -
19.2 2400 0.0001 -
19.6 2450 0.0001 -
20.0 2500 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 

@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}
}