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	'스토케 베이비젠 요요2 프리미엄 휴대용 유모차 화이트_올리브 출산/육아 > 유모차 > 초경량/휴대용' '이지폴드3 하이브리드 초경량 오토폴딩 휴대용 유모차 - 아미그린 크림베이지 출산/육아 > 유모차 > 초경량/휴대용' '르클레르 인플루언서 에디션 휴대용 유모차 - 샌드쇼콜라 [선물6종] 제트블랙 출산/육아 > 유모차 > 초경량/휴대용'
2.0	'유아목베개 유모차베개 카시트 목쿠션 01_딸기옐로우 매쉬목베개 출산/육아 > 유모차 > 유모차용품 > 유모차목쿠션/블랭킷' '돗투돗 소프트 유모차 라이너 유모차 시트 신생아 시트 100수소프트라이너_베이지덕 출산/육아 > 유모차 > 유모차용품 > 유모차시트' '아기 방수 겨울용 유모차 침낭 따뜻한 발싸개 범용 풋커버 풋머프 슬립 색 봉투 15=6-36mGray 출산/육아 > 유모차 > 유모차용품 > 유모차시트'
3.0	'[디럭스]부가부 폭스5 그래파이트 섀시/미드나이트 블랙 시트패브릭_100052034 포레스트 그린 출산/육아 > 유모차 > 절충형/디럭스형' '마마스앤파파스 절충형 유모차 스트라다 - 그레이 아이비_컵홀더/모기장/레인커버/맘노코방풍커버 출산/육아 > 유모차 > 절충형/디럭스형' '[판매] 싸이벡스 프리암 맨하탄그레이 디럭스 유모차 비동의_프리암 맨하탄그레이 출산/육아 > 유모차 > 절충형/디럭스형'
0.0	'스토케 베이비젠 요요2 프리미엄 휴대용 유모차(커넥트 포함) 쌍둥이 유모차 블랙_에어프랑스 블루_타프 출산/육아 > 유모차 > 쌍둥이용' '형제유모차 쌍둥이유모차 더블시트 디럭스형 폴딩 색상 유형 및 구성13 출산/육아 > 유모차 > 쌍둥이용' '트윈유모차 2인용 휴대용유모카 디럭스형 트라이크 디자인E 출산/육아 > 유모차 > 쌍둥이용'
1.0	'원클릭으로 앉거나 누울 수 있는 유모차, 초경량 충격흡수 접이식 간편 신생아 유모차 12 주력 모델 기질 파란색 원클릭으로 차 출산/육아 > 유모차 > 유모차/카시트세트' '어린이카시트 쥬니어카시트 유아용 휴대용 간단한 잠금 해제 도구 자동차 좌석 키 장치, 안 03 C 출산/육아 > 유모차 > 유모차/카시트세트' '유모차 유물, 경량 접이식 어린이 유모차, 양방향 유모차, 아기 산책 시 원클릭 접이식 15 카라멜 컬러 자동차 매트시트 수납백팩 출산/육아 > 유모차 > 유모차/카시트세트'

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_bc16")
# Run inference
preds = model("올겟쇼핑 나이스 유모차 컵홀더 스마트폰거치대  출산/육아 > 유모차 > 유모차용품 > 유모차홀더")

Training Details

Training Set Metrics

Training set	Min	Median	Max
Word count	7	16.2771	32

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	0.4827	-
0.7246	50	0.4996	-
1.4493	100	0.4912	-
2.1739	150	0.2633	-
2.8986	200	0.0252	-
3.6232	250	0.0001	-
4.3478	300	0.0	-
5.0725	350	0.0	-
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_bc16