mini1013/master_cate_bc26

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 Type: SetFit
• Sentence Transformer body: mini1013/master_domain
• Classification head: a LogisticRegression instance
• Maximum Sequence Length: 512 tokens
• Number of Classes: 8 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
7.0	'방수전신미술가운 올인원 수트지퍼형 204526 유아동 핑크120 출산/육아 > 이유식용품 > 턱받이' '아가짱 실리콘턱받이 아기 이유식 턱받이 03.실리콘턱받이_원숭이 출산/육아 > 이유식용품 > 턱받이' '무형광 침받이 토끼 출산/육아 > 이유식용품 > 턱받이'
3.0	'캐릭터 스푼 포크 젓가락 어린이 수저세트 유아 뽀로로 겨울왕국 어린이집 아기 144 헬로키티 올스텐 수저세트 출산/육아 > 이유식용품 > 유아스푼/포크' '비박스 원터치 트라이탄 대용량 빨대컵 450ml 2개 TS 443931 블루슬레이트_오렌지핑크 출산/육아 > 이유식용품 > 유아스푼/포크' '브릭오 애착스푼 초기 중기 후기 실리콘 이유식 수저 민트 출산/육아 > 이유식용품 > 유아스푼/포크'
1.0	'논슬립 흡착식 휴대용 사무실 보틀 피크닉 보온보냉 보냉 종류_350ml-핑크 출산/육아 > 이유식용품 > 기타이유식용품' '더미누 방수요 아기 유아 방수패드 국내산/중형/대형 방수요 M 사이즈 (공 룡) 출산/육아 > 이유식용품 > 기타이유식용품' '엘로니파파 이유식용기 실리콘 양면 흡착판 11컬러 인디핑크 출산/육아 > 이유식용품 > 기타이유식용품'
5.0	'[빠띠라인] 스마트 트레이닝컵 220ml 4종 택1 그린 출산/육아 > 이유식용품 > 유아컵' '맘스모도 PPSU 원터치 빨대컵 250ml 1+1 11절 기념 코끼리 그린+베이지 출산/육아 > 이유식용품 > 유아컵' '아이별프렌즈 유아 빨대컵 아기 젖병 모음전 01번 캐럿 추빨대컵+리필사은품_270ml 오렌지 출산/육아 > 이유식용품 > 유아컵'
0.0	'과즙망 바나나 실리콘 옐로우 출산/육아 > 이유식용품 > 과즙망' '오가닉팩토리 실리콘 과즙망 유아용 아기과즙망 자기주도 이유식 치발기 과일망 과즙망 그레이 출산/육아 > 이유식용품 > 과즙망' '아가프라 국산 실리콘 과즙망(소 중 망2개포함) 아기 이유식 준비물 국민 과즙망(오렌지) 출산/육아 > 이유식용품 > 과즙망'
4.0	'티지엠 실리콘 조가비 흡착 식판 자기주도 이유식 이유식판 흡착트레이 베이지_덮개 미선택_초콜릿(매트) 출산/육아 > 이유식용품 > 유아식기' '옥수수 돌 아기식판 이유식그릇 이유식볼 유아 아기 수저포크식기세트 준비물 4칸접시_아이보리 출산/육아 > 이유식용품 > 유아식기' '옥수수 내열 펭귄 식판 아기 그릇 나눔 선물 5P 스푼포크세트 아이보리 출산/육아 > 이유식용품 > 유아식기'
2.0	'에디슨 뽀로로 이지 스텐 수저 케이스세트 패티 출산/육아 > 이유식용품 > 연습용젓가락' '에디슨 젓가락 1/2단계-뽀로로 패티 폴리 엠버 프렌즈 왼손 성인 경찰 소방관 부엉이 스텐 스푼포크 수저세트 16.프렌즈 젓가락 1단계 돼지 출산/육아 > 이유식용품 > 연습용젓가락' '유아 아동 초등학생 어린이 아기 캐릭터 교정용 스텐 젓가락 수저집 수저케이스세트 모음 캐릭터세트(D)1단계_D05_입체교정젓가락-핑크퐁 큐티SET 출산/육아 > 이유식용품 > 연습용젓가락'
6.0	'원목뜰채 고운망 5호 AW1E2C93 출산/육아 > 이유식용품 > 조리기' '[베이비리앙] 프리미엄 실리콘 이유식 스파츌라_유아 아기 자기주도 이유식 스푼 커틀러리 마일드 블루 출산/육아 > 이유식용품 > 조리기' '유비맘 PPSU 시그니처 역류방지 유아빨대컵 280ml 2P 딸기_8.바나나 출산/육아 > 이유식용품 > 조리기'

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_bc26")
# Run inference
preds = model("4p 투데코 이유식 도자기 조리기세트 화이트 출산/육아 > 이유식용품 > 조리기")

Training Details

Training Set Metrics

Training set	Min	Median	Max
Word count	7	15.075	30

Label	Training Sample Count
0.0	70
1.0	70
2.0	70
3.0	70
4.0	70
5.0	70
6.0	70
7.0	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
0.0091	1	0.4946	-
0.4545	50	0.5017	-
0.9091	100	0.4932	-
1.3636	150	0.3697	-
1.8182	200	0.0968	-
2.2727	250	0.0213	-
2.7273	300	0.0175	-
3.1818	350	0.0186	-
3.6364	400	0.0187	-
4.0909	450	0.0136	-
4.5455	500	0.0007	-
5.0	550	0.0001	-
5.4545	600	0.0001	-
5.9091	650	0.0001	-
6.3636	700	0.0001	-
6.8182	750	0.0001	-
7.2727	800	0.0001	-
7.7273	850	0.0001	-
8.1818	900	0.0	-
8.6364	950	0.0	-
9.0909	1000	0.0	-
9.5455	1050	0.0	-
10.0	1100	0.0	-
10.4545	1150	0.0	-
10.9091	1200	0.0	-
11.3636	1250	0.0	-
11.8182	1300	0.0	-
12.2727	1350	0.0	-
12.7273	1400	0.0	-
13.1818	1450	0.0	-
13.6364	1500	0.0	-
14.0909	1550	0.0	-
14.5455	1600	0.0	-
15.0	1650	0.0	-
15.4545	1700	0.0	-
15.9091	1750	0.0	-
16.3636	1800	0.0	-
16.8182	1850	0.0	-
17.2727	1900	0.0	-
17.7273	1950	0.0	-
18.1818	2000	0.0	-
18.6364	2050	0.0	-
19.0909	2100	0.0	-
19.5455	2150	0.0	-
20.0	2200	0.0	-
20.4545	2250	0.0	-
20.9091	2300	0.0	-
21.3636	2350	0.0	-
21.8182	2400	0.0	-
22.2727	2450	0.0	-
22.7273	2500	0.0	-
23.1818	2550	0.0	-
23.6364	2600	0.0	-
24.0909	2650	0.0	-
24.5455	2700	0.0	-
25.0	2750	0.0	-
25.4545	2800	0.0	-
25.9091	2850	0.0	-
26.3636	2900	0.0	-
26.8182	2950	0.0	-
27.2727	3000	0.0	-
27.7273	3050	0.0	-
28.1818	3100	0.0	-
28.6364	3150	0.0	-
29.0909	3200	0.0	-
29.5455	3250	0.0	-
30.0	3300	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}
}