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:

Fine-tuning a Sentence Transformer with contrastive learning.
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
Classification head: a LogisticRegression instance
Maximum Sequence Length: 512 tokens
Number of Classes: 5 classes

Model Sources

Repository: SetFit on GitHub
Paper: Efficient Few-Shot Learning Without Prompts
Blogpost: SetFit: Efficient Few-Shot Learning Without Prompts

Model Labels

Label	Examples
4.0	'스코나 밀러튼 LPM 1400 멀티 교구장 책장 가구/인테리어>서재/사무용가구>책장' '이케아 BILLY 빌리 3단 책장 40cm 가구/인테리어>서재/사무용가구>책장' '에보니아 로엠 600 3단 하부 도어 책장 가구/인테리어>서재/사무용가구>책장'
2.0	'선반 철제 책꽂이 수납 타공판 책상위정리 책장 세트-후크 3 흰색 단층 홀 보드 가구/인테리어>서재/사무용가구>책꽂이' '델리 2단 서랍 겸 책꽂이 데스크 손잡이 오거나이저 가구/인테리어>서재/사무용가구>책꽂이' '북케이스 책장 수납 선반 북 보관 책꽂이 가구/인테리어>서재/사무용가구>책꽂이'
3.0	'209애비뉴 제로데스크 에보 멀티 컴퓨터책상 1600x800 가구/인테리어>서재/사무용가구>책상>컴퓨터책상' '한샘 티오 일자책상세트 5단 120x60cm 콘센트형 조명 가구/인테리어>서재/사무용가구>책상>일자형 책상' '아씨방 마일드 모션데스크 120cm 가구/인테리어>서재/사무용가구>책상>스탠딩책상'
0.0	'하이솔로몬 강의대 LS13 가구/인테리어>서재/사무용가구>사무/교구용가구>사무용책상' '사무실쇼파 제논 2인용 소파 가구/인테리어>서재/사무용가구>사무/교구용가구>사무용소파' '스테인리스 서랍장 캐비닛 미용실 매장용 사물함 스텐 가구/인테리어>서재/사무용가구>사무/교구용가구>캐비닛'
1.0	'접이식 썬베드 간이 낮잠 의자 휴대용 리클라이너 경량 가구/인테리어>서재/사무용가구>의자>안락의자' '체스좌식의자 엠보싱 가구/인테리어>서재/사무용가구>의자>좌식의자' '나른인 쇼파 손잡이가 달린 침대 위 나부끼창 커밋의자 껴안다 건산수유 의자와 다다미 좌석 가구/인테리어>서재/사무용가구>의자>하이팩의자'

Evaluation

Metrics

Label	Accuracy
all	1.0

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_fi3")
# Run inference
preds = model("와이디 로아 모던 책상 미드센츄리 테이블  800 가구/인테리어>서재/사무용가구>책상>일자형 책상")

Training Details

Training Set Metrics

Training set	Min	Median	Max
Word count	2	8.5543	22

Label	Training Sample Count
0.0	70
1.0	70
2.0	70
3.0	70
4.0	70

Training Hyperparameters

batch_size: (256, 256)
num_epochs: (30, 30)
max_steps: -1
sampling_strategy: oversampling
num_iterations: 50
body_learning_rate: (2e-05, 1e-05)
head_learning_rate: 0.01
loss: CosineSimilarityLoss
distance_metric: cosine_distance
margin: 0.25
end_to_end: False
use_amp: False
warmup_proportion: 0.1
l2_weight: 0.01
seed: 42
eval_max_steps: -1
load_best_model_at_end: False

Training Results

Epoch	Step	Training Loss	Validation Loss
0.0145	1	0.4825	-
0.7246	50	0.4985	-
1.4493	100	0.4783	-
2.1739	150	0.1925	-
2.8986	200	0.0024	-
3.6232	250	0.0001	-
4.3478	300	0.0001	-
5.0725	350	0.0001	-
5.7971	400	0.0	-
6.5217	450	0.0	-
7.2464	500	0.0	-
7.9710	550	0.0	-
8.6957	600	0.0	-
9.4203	650	0.0	-
10.1449	700	0.0	-
10.8696	750	0.0	-
11.5942	800	0.0	-
12.3188	850	0.0	-
13.0435	900	0.0	-
13.7681	950	0.0	-
14.4928	1000	0.0	-
15.2174	1050	0.0	-
15.9420	1100	0.0	-
16.6667	1150	0.0	-
17.3913	1200	0.0	-
18.1159	1250	0.0	-
18.8406	1300	0.0	-
19.5652	1350	0.0	-
20.2899	1400	0.0	-
21.0145	1450	0.0	-
21.7391	1500	0.0	-
22.4638	1550	0.0	-
23.1884	1600	0.0	-
23.9130	1650	0.0	-
24.6377	1700	0.0	-
25.3623	1750	0.0	-
26.0870	1800	0.0	-
26.8116	1850	0.0	-
27.5362	1900	0.0	-
28.2609	1950	0.0	-
28.9855	2000	0.0	-
29.7101	2050	0.0	-

Framework Versions

Python: 3.10.12
SetFit: 1.1.0
Sentence Transformers: 3.3.1
Transformers: 4.44.2
PyTorch: 2.2.0a0+81ea7a4
Datasets: 3.2.0
Tokenizers: 0.19.1

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}
}

mini1013
/

master_cate_fi3