metadata

base_model: akhooli/sbert_ar_nli_500k_norm
library_name: setfit
metrics:
  - accuracy
pipeline_tag: text-classification
tags:
  - setfit
  - sentence-transformers
  - text-classification
  - generated_from_setfit_trainer
widget:
  - text: >-
      الطريقة الأفضل لتحصل على ريتويت ولايك هل ايام  تقتطع جزء من مقابلة للوزير
      باسيل  طبعا جزء غير مكتمل  ثم تغرد به وتقول جبران مع التطبيع
  - text: ما بعرف كيف بدي خبركن ياها بس غير إنو واطي طلع عرص
  - text: سد نيعك يا صرمايت بشار
  - text: بتفهّم فهم وحدة فهما متدنّي هههه 😎
  - text: >-
      للاسف لدينا في الخليج بعض من الكتاب والدكاتره والمحللين كالبغال والجحاش
      ينهق ويهرف بما لايعرف
inference: true
model-index:
  - name: SetFit with akhooli/sbert_ar_nli_500k_norm
    results:
      - task:
          type: text-classification
          name: Text Classification
        dataset:
          name: Unknown
          type: unknown
          split: test
        metrics:
          - type: accuracy
            value: 0.8544600938967136
            name: Accuracy

usage

Usage:

pip install setfit
from setfit import SetFitModel
from unicodedata import normalize

# Download model from Hub
model = SetFitModel.from_pretrained("akhooli/setfit_ar_hs")
# Run inference
queries = [
       "سكت دهراً و نطق كفراً",
       "الخلاف ﻻ يفسد للود قضية.",
       "أنت شخص منبوذ. احترم أسيادك.",
       "دع المكارم ﻻ ترحل لبغيتها واقعد فإنك أنت الطاعم الكاسي",
   ]
queries_n = [normalize('NFKC', query) for query in queries]
preds = model.predict(queries_n)
print(preds)
# if you want to see the probabilities for each label
probas = model.predict_proba(queries_n)
print(probas)

The rest of this content is auto-generated.

SetFit with akhooli/sbert_ar_nli_500k_norm

This is a SetFit model that can be used for Text Classification. This SetFit model uses akhooli/sbert_ar_nli_500k_norm 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: akhooli/sbert_ar_nli_500k_norm
Classification head: a LogisticRegression instance
Maximum Sequence Length: 512 tokens
Number of Classes: 2 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
negative	'كلامي ان حزب الله الحامي الوحيد للبنان معناه ان في لبنان' 'يا غايظهن يا جبران باسيل انت حبيب القلب' 'يسعد صباحك معالي الوزير'
positive	'الى وزير خارجية لبنان جبران باسيل اذا أردت ان تكون مثل الشيخ بشير الجميل عليك ان تستشهد الآن يا اخي فقط إستشهد و لك' 'شو ضعيف وشو مقهور ومش قادر تعمل شيطز فيكم كلكن كلكن بتصبوا بخانة الكذب والنفاق بتدعسوا عا الناس لمصالحهم وفسادكم' 'ولك الله انتو شعب بجم روح جبلي مصاري للشعب بعدين احكي'

Label

Examples

negative

'كلامي ان حزب الله الحامي الوحيد للبنان معناه ان في لبنان'
'يا غايظهن يا جبران باسيل انت حبيب القلب'
'يسعد صباحك معالي الوزير'

positive

'الى وزير خارجية لبنان جبران باسيل اذا أردت ان تكون مثل الشيخ بشير الجميل عليك ان تستشهد الآن يا اخي فقط إستشهد و لك'
'شو ضعيف وشو مقهور ومش قادر تعمل شيطز فيكم كلكن كلكن بتصبوا بخانة الكذب والنفاق بتدعسوا عا الناس لمصالحهم وفسادكم'
'ولك الله انتو شعب بجم روح جبلي مصاري للشعب بعدين احكي'

Evaluation

Metrics

Label	Accuracy
all	0.8545

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("akhooli/setfit_ar_hs")
# Run inference
preds = model("سد نيعك يا صرمايت بشار")

Training Details

Training Set Metrics

Training set	Min	Median	Max
Word count	1	12.2912	52

Label	Training Sample Count
negative	2015
positive	2800

Training Hyperparameters

batch_size: (32, 32)
num_epochs: (1, 1)
max_steps: 8000
sampling_strategy: undersampling
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
run_name: setfit_hate_25kv8
eval_max_steps: -1
load_best_model_at_end: False

Training Results

Epoch	Step	Training Loss	Validation Loss
0.0003	1	0.3359	-
0.025	100	0.2843	-
0.05	200	0.2376	-
0.075	300	0.2067	-
0.1	400	0.1591	-
0.125	500	0.108	-
0.15	600	0.0736	-
0.175	700	0.0513	-
0.2	800	0.0384	-
0.225	900	0.0364	-
0.25	1000	0.0296	-
0.275	1100	0.0207	-
0.3	1200	0.0212	-
0.325	1300	0.0164	-
0.35	1400	0.0122	-
0.375	1500	0.0163	-
0.4	1600	0.01	-
0.425	1700	0.0085	-
0.45	1800	0.0081	-
0.475	1900	0.0083	-
0.5	2000	0.0057	-
0.525	2100	0.0061	-
0.55	2200	0.0046	-
0.575	2300	0.0049	-
0.6	2400	0.007	-
0.625	2500	0.0048	-
0.65	2600	0.0057	-
0.675	2700	0.0058	-
0.7	2800	0.0046	-
0.725	2900	0.0044	-
0.75	3000	0.0042	-
0.775	3100	0.0042	-
0.8	3200	0.0057	-
0.825	3300	0.003	-
0.85	3400	0.0041	-
0.875	3500	0.0052	-
0.9	3600	0.004	-
0.925	3700	0.0042	-
0.95	3800	0.0058	-
0.975	3900	0.0049	-
1.0	4000	0.0052	-
1.025	4100	0.0031	-
1.05	4200	0.0025	-
1.075	4300	0.003	-
1.1	4400	0.0018	-
1.125	4500	0.0015	-
1.15	4600	0.0038	-
1.175	4700	0.0033	-
1.2	4800	0.0031	-
1.225	4900	0.0022	-
1.25	5000	0.0023	-
1.275	5100	0.0022	-
1.3	5200	0.0027	-
1.325	5300	0.0017	-
1.35	5400	0.0027	-
1.375	5500	0.0019	-
1.4	5600	0.0024	-
1.425	5700	0.0015	-
1.45	5800	0.0023	-
1.475	5900	0.0021	-
1.5	6000	0.0009	-
1.525	6100	0.0015	-
1.55	6200	0.0009	-
1.575	6300	0.001	-
1.6	6400	0.0002	-
1.625	6500	0.0004	-
1.65	6600	0.0012	-
1.675	6700	0.0011	-
1.7	6800	0.0008	-
1.725	6900	0.0013	-
1.75	7000	0.0004	-
1.775	7100	0.0004	-
1.8	7200	0.0008	-
1.825	7300	0.0007	-
1.85	7400	0.0007	-
1.875	7500	0.001	-
1.9	7600	0.001	-
1.925	7700	0.0002	-
1.95	7800	0.0005	-
1.975	7900	0.0009	-
2.0	8000	0.0002	-

Framework Versions

Python: 3.10.14
SetFit: 1.2.0.dev0
Sentence Transformers: 3.2.1
Transformers: 4.45.1
PyTorch: 2.4.0
Datasets: 3.0.1
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}
}