|
--- |
|
base_model: microsoft/Multilingual-MiniLM-L12-H384 |
|
library_name: setfit |
|
metrics: |
|
- accuracy |
|
pipeline_tag: text-classification |
|
tags: |
|
- setfit |
|
- sentence-transformers |
|
- text-classification |
|
- generated_from_setfit_trainer |
|
widget: |
|
- text: 'பரபரப்பான அரசியலுக்கு மத்தியில் மக்களை மகிழ்விக்கும் இரண்டு ஜோக்கர்கள் |
|
|
|
#நாங்கநலமாஇல்லை_ஸ்டாலின் |
|
|
|
#DrugLordSudalai #Drug_Mafia_Kazhagam #dravidamodel #Resign_Stalin #DmkDrugSmugglers |
|
#DMKFails #GoBackstalin #drugs #Drugs_Mafia_DMK #DMKFails #dmkgovernment #DMKFailsTN |
|
#Election2024 ' |
|
- text: "திராவிட மாடலின் வளர்ச்சி என்பது சான்றுடன் நிரூபிக்கப்பட்டது! போலியாக உருவாக்கப்பட்ட\ |
|
\ பிம்பமல்ல!\n#Dravidianmodel \n#Vote4DMK " |
|
- text: '"பயனற்ற MP-யாக மாறன் இருக்கிறார்" |
|
|
|
#VinojPSelvam #dayanidhimaran #dmk |
|
|
|
#bjp #CentralChennai ' |
|
- text: "நேரிடியாக தனது ஆதரவை பாடலின் மூலம் *நாம் தமிழர் கட்சியின் மைக் சின்னத்திற்கு*\ |
|
\ வாக்கு கேட்டு *அண்ணன் விஜய்* அவர்கள் பாடிய பாடல். \n\nகேம்பைன தான் தொறக்கட்டுமா...\n\ |
|
*#மைக் க கையில் எடுக்கட்டுமா...*\n\nஎன்று பாடியுள்ளார்\n#மக்களின்_சின்னம்_மைக் " |
|
- text: "நமது சின்னம் ஒலிவாங்கி (மைக்)\n#மக்களின்_சின்னம்_மைக்\n#Mike_VoiceOfPeople\n\ |
|
#Elections2024\n#கள்ளக்குறிச்சி\n \n " |
|
inference: true |
|
--- |
|
|
|
# SetFit with microsoft/Multilingual-MiniLM-L12-H384 |
|
|
|
This is a [SetFit](https://github.com/huggingface/setfit) model that can be used for Text Classification. This SetFit model uses [microsoft/Multilingual-MiniLM-L12-H384](https://huggingface.co/microsoft/Multilingual-MiniLM-L12-H384) 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:** [microsoft/Multilingual-MiniLM-L12-H384](https://huggingface.co/microsoft/Multilingual-MiniLM-L12-H384) |
|
- **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:** 7 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 | |
|
|:------|:------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------| |
|
| 2 | <ul><li>'#மக்களின்_சின்னம்_மைக் \n#Mike_VoiceOfPeople \n#Seeman\n\nகனிம வளங்கள் \nயாரு யாரால் கொள்ளை அடிக்க பட்டது ?\n\n#பாசிச_பாஜக #திருட்டு_திமுக \n#அடிமைஅதிமுக #செத்துபோன_காங்கிரஸ் '</li><li>'கனவுகளை வெளிப்படுத்தும் \nதலைவர்களுடன் \nஎங்களின்\nசின்னம் 🎙️.\n\n#மக்களின்_சின்னம்_மைக்.\n\n~\n#சீமானின்_சின்னம்_ஒலிவாங்கி 🎙️'</li><li>'டேய் உபிஸ், எனக்கு ஒரு\nஉண்மை தெரிஞ்சாகணும்...\n\nஇந்த பொட்டி கோவாலு அப்போ\nபேசுனது பொய்யா இல்ல இப்போ\nபேசுறது பொய்யா!? 😬😂\n#NoVoteToDMK\n\n#Katchatheevu #IPL2024 #2GScam\n#SenthilBalaji #Drug_Mafia_DMK\n#PappuDiwas #EDRaid #DMKFailsTN '</li></ul> | |
|
| 0 | <ul><li>'கட்சி மாறிய 19 Ex.MLA க்கள், ஸ்டாலினுக்கு முத்தம், TR பாலுவின் கணக்கு | Fine Time Media\n#congressibrahim #annamalai #mkstalin #dmk #bjp #udhayanidhi #edappadi #admk #pmk #dmdk #modi #Finetimemedia\n\n'</li><li>'#ElectionUpdate | “15 சீட்டும், ₹1,000 கோடியும் தருவதாக கூட்டணிக்கு கூப்பிட்டாங்க. ஆனால் நான் போகல..!” -சீமான்\n\n#SunNews | #Seeman | #ElectionsWithSunNews '</li><li>'பிரதமர் ரோடு ஷோ - செல்லூர் ராஜூ விமர்சனம்\n\n#modi #modiroadshow #chennai #sellurraju #admk #Elections2024 #electionupdatewithsavukkumedia #electionwithSavukkuMedia #savukkumedia '</li></ul> | |
|
| 6 | <ul><li>'ஜீவநதி ப்ரியன்\xa0 mm ok'</li><li>'Siva Siva\xa0 என்னது'</li><li>'கவலைகள் மறந்து சிரிக்கTMP prank paarunkaEnjoy pannunka'</li></ul> | |
|
| 3 | <ul><li>'#நாம்தமிழர் கட்சிக்கு ஆதரவாக லண்டன் ஈழதமிழர்கள்..\n\nநாம்தமிழர் என்பது அனைத்து உலக தமிழர்களுக்கானது..\n\n#ParliamentElection2024\n\n#சீமானின்_சின்னம்_ஒலிவாங்கி\n#NTK_Symbol_Mike '</li><li>'ஒவ்வொரு வாக்கும் நம் இனம் காக்கும்\n#மக்களின்_சின்னம்_மைக் '</li><li>'சகோதரர் ராகுல் காந்திக்கு ஜூன் 4ல் இனிப்பான வெற்றியை தருவோம்- முதலமைச்சர் மு.க.ஸ்டாலின்\n\n#TNCM #MKStalin #sweetvictory #RahulGandhi #DMK #Congress #Tamilnadunews #Jewellery #Jewelleryseized #Madurai #Siddaramaiah #KarnatakaCM #NDA #Congress #ipl #ipl2024 #PunjabvsRajasthan #Cricket #Sportsnews #MMNews #Maalaimalar'</li></ul> | |
|
| 4 | <ul><li>'அக் - 17-ம் தேதி 52வது ஆண்டில் அடியெடுத்து வைக்கும் அதிமுக | NewsJ \n#admk #admknews #eps #edappadikpalanisamy #edappadi #newsj #newsjtamil \n\n'</li><li>'தமிழகம் முழுவதும் மதுவிற்கு அடிமைகளை உருவாக்கியாச்சி\n \nஇனிமேல் தைரியமா விலையை ஏற்றலாம் என்று நம்பிக்கையுடன் \n1 லட்சம் கோடி வருமானத்தை எதிர்நோக்கி திராவிட மாடல் வெற்றிநடை போடுகிறது...\n\n#திராவிடமாடல்பரிதாபங்கள் \n#டாஸ்மாக்அடிமைகள் \n#மதுவின்அடிமைகள் \n#சாராயமாடல் '</li><li>'கோவையில் முதலமைச்சர் ஸ்டாலின் பிரச்சாரம்\n\n#UpdateNews | #DMK | #MKStalin | #Congress | #RahulGandhi | #LokSabhaElections2024 | #Coimbatore | #ElectionCampaign | #TamilNews | #UpdateNews360 '</li></ul> | |
|
| 1 | <ul><li>'ஜனநாயத்தின் நம் வாக்கு என்பது வலிமைமிக்க ஆயுதம்\nஅதை அநீதிக்கு எதிராக ஏந்துவோம்! \n\n \n\n#மக்களின்_சின்னம்_ஒலிவாங்கி #Mike_ThePeoplesChoice \n#Elections2024 \n#எங்கள்_வாக்கு_விற்பனைக்கு_அல்ல \n#MyVote_IsNot_ForSale '</li><li>'அண்டப்புளுகு ஆகாசப்புளுகு திமுக.\n\nமக்கள எந்தளவுக்கு முட்டாள் பயலுக ன்னு நெனைக்கிறாய்ங்க?\n\n#DMKFailsTN'</li><li>'கோவையில் நடைபெறும் பிரம்மாண்ட பொதுக்கூட்டத்தில் முதலமைச்சர் மு.க.ஸ்டாலின் மற்றும் ராகுல் காந்தி\n\n#Kovai #MKStalin #Rahul_Gandhi #DinakaranNews '</li></ul> | |
|
| 5 | <ul><li>'MGRன் அதிமுக இன்று இல்லை அதிமுக கோட்டையை தகர்த்த திமுக!\n\nFull video limk : \n\n#Nakkheeran #MKStalin #DMK '</li><li>'ஜெயலலிதா ஆட்சியில் தமிழ்நாட்டிற்கு வர அஞ்சும் மோடி எடப்பாடி ஆட்சிக்காலத்திலும் வந்தது குறைவு..\nஆனால் ஸ்டாலின் ஆட்சிக்காலத்தில் வாரவிடுமுறை போல் அடிக்கடி தமிழ்நாடு வருகிறார். அது மட்டுமல்ல RSS ஊர்வலமும் நடக்கிறது. புரிகிறதா திமுக பிஜேபி கள்ள உறவு…'</li><li>'கோவையில் முதலமைச்சர் மு.க.ஸ்டாலின், காங்கிரஸ் எம்.பி. ராகுல் காந்தி கூட்டாக தேர்தல் பரப்புரை!\n\n#Theekkathir | #Coimbatore | #INDIAAlliance | #RahulGandhi | #MKStalin '</li></ul> | |
|
|
|
## 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("livinNector/tam-political-classification-setfit") |
|
# Run inference |
|
preds = model("\"பயனற்ற MP-யாக மாறன் இருக்கிறார்\" |
|
#VinojPSelvam #dayanidhimaran #dmk |
|
#bjp #CentralChennai ") |
|
``` |
|
|
|
<!-- |
|
### 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 | 1 | 17.8534 | 348 | |
|
|
|
| Label | Training Sample Count | |
|
|:------|:----------------------| |
|
| 0 | 1361 | |
|
| 1 | 790 | |
|
| 2 | 637 | |
|
| 3 | 575 | |
|
| 4 | 412 | |
|
| 5 | 406 | |
|
| 6 | 171 | |
|
|
|
### Training Hyperparameters |
|
- batch_size: (32, 32) |
|
- num_epochs: (1, 1) |
|
- max_steps: -1 |
|
- sampling_strategy: oversampling |
|
- num_iterations: 1 |
|
- body_learning_rate: (2e-05, 1e-05) |
|
- head_learning_rate: 0.01 |
|
- loss: CosineSimilarityLoss |
|
- distance_metric: cosine_distance |
|
- margin: 0.25 |
|
- end_to_end: True |
|
- use_amp: False |
|
- warmup_proportion: 0.1 |
|
- l2_weight: 0.01 |
|
- seed: 42 |
|
- eval_max_steps: -1 |
|
- load_best_model_at_end: True |
|
|
|
### Training Results |
|
| Epoch | Step | Training Loss | Validation Loss | |
|
|:------:|:----:|:-------------:|:---------------:| |
|
| 0.0074 | 1 | 0.438 | - | |
|
| 0.3676 | 50 | 0.3051 | - | |
|
| 0.7353 | 100 | 0.2648 | 0.2556 | |
|
|
|
### Framework Versions |
|
- Python: 3.10.12 |
|
- SetFit: 1.1.0 |
|
- Sentence Transformers: 3.3.1 |
|
- Transformers: 4.45.2 |
|
- PyTorch: 2.4.1+cu121 |
|
- Datasets: 3.2.0 |
|
- Tokenizers: 0.20.3 |
|
|
|
## 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.* |
|
--> |
