metadata

base_model: mini1013/master_domain
library_name: setfit
metrics:
  - metric
pipeline_tag: text-classification
tags:
  - setfit
  - sentence-transformers
  - text-classification
  - generated_from_setfit_trainer
widget:
  - text: 세이코 SBTR SBTR011 전용 힐링쉴드 시계보호필름 기스방지 유리보호필름 31평면 스타샵
  - text: 시계줄 교체공구 스프링툴바/메탈,가죽밴드 변경도구/시계줄질도구 스프링바툴 멀티형 올리브tree
  - text: 오메가호환 시계줄 스트랩 가죽 시계 체인 12 OMJ-브라운 화이트 라인 + 실버_20mm 더블드래곤(Double dragon)
  - text: >-
      Uhgbsd 가죽 스트랩 VC 바쉐론 콘스탄틴 시계 호환 남성 액세서리 19mm 20mm 22mm 1_10 Black Gold
      Fold Bk 시구왕씨
  - text: >-
      디젤 DZ4316 DZ7395 7305 4209 4215 용 스테인레스 스틸 시계 호환용 남성용 메탈 솔리드 밴드 24mm 30mm
      04 B Black_05 30mm 아이스박스(ICEBOX)
inference: true
model-index:
  - name: SetFit with mini1013/master_domain
    results:
      - task:
          type: text-classification
          name: Text Classification
        dataset:
          name: Unknown
          type: unknown
          split: test
        metrics:
          - type: metric
            value: 0.5793723141033988
            name: Metric

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
0.0	'카시오 DW5600 시계 호환 16mm 러버 워치 밴드 실리콘 스트랩 우레탄 시계줄 옐로우 블랙 A_16mm 로움' '갤럭시핏2 스트랩 실리콘 밴드 민트 보미헤안랩소디' '로이드 어썸픽 소형 메쉬밴드 (2종 택 1) LL2B19611X LL2B19611XMG 로즈골드 세컨드플랜'
3.0	'BOBO BIRD 네이비 블루 커플 손목 시계 연인 나무 쿼츠 맞춤형 각인 최고 럭셔리 브랜드 여성용 2.Paper Box 2 Woman 아더월드' '캐주얼남녀손목시계 남자시계 폭발적인 벨트 테리어 시계 유럽 및 미국 시계선물 여자시계 Grey 리마113' '남녀 커플 시계 SCRRJU 스테인레스 스틸 밴드 방수 연인 Se 패션 캐주얼 손목 선물 09 9 홀릭스'
4.0	'프레드릭콘스탄트 FC-330MC4P6 클래식 문페이즈 주식회사 에스에스지닷컴' '[다양한선물]순토 코어 올블랙 레귤러블랙 코어블랙레드 순토5 WHR 모음 시리즈 선택01.SS014279010 순토코어올블랙 스타샵' '헬스공부타이머 집중공부타이머 요리 낮잠 여가 시간관리 알람 큐브 SW9EF763 15-60분 화이트 현대몰'
2.0	'SUNOEL 3기압 5기압 방수 어린이 초등학생 전자 손목시계 모음 SUNOEL' '손목시계쇼핑몰 아동용손목시계(16-5A) 손목시계대량 기프트한국' '어린이 손목시계 초등학생 시계 키즈 전자시계 유아 스마트워치 남아 여아 제이에이취'
1.0	'제작 빈 핀 버튼 메이커 부품 기계 용품 세트 25mm 32mm 37mm 44mm 50mm 56mm 58mm 50 개 [1]50sets_@#@[7]58mm 캐롤스하우스' '무소음 무브먼트 시계 부품 모터 바늘 공예 DIY 선택D시계판_거북이 제이릴' '시계공구 기타 야마하 YZF R125 R 125 YZFR125 20082013 바이크 오토바이 핸드가드 실드 핸드 가드 보호대 앞유리 07 Green 유비즈엘'

Evaluation

Metrics

Label	Metric
all	0.5794

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_ac6")
# Run inference
preds = model("세이코 SBTR SBTR011 전용 힐링쉴드 시계보호필름 기스방지 유리보호필름 31평면 스타샵")

Training Details

Training Set Metrics

Training set	Min	Median	Max
Word count	3	10.9107	22

Label	Training Sample Count
0.0	50
1.0	50
2.0	24
3.0	50
4.0	50

Training Hyperparameters

batch_size: (512, 512)
num_epochs: (20, 20)
max_steps: -1
sampling_strategy: oversampling
num_iterations: 40
body_learning_rate: (2e-05, 2e-05)
head_learning_rate: 2e-05
loss: CosineSimilarityLoss
distance_metric: cosine_distance
margin: 0.25
end_to_end: False
use_amp: False
warmup_proportion: 0.1
seed: 42
eval_max_steps: -1
load_best_model_at_end: False

Training Results

Epoch	Step	Training Loss	Validation Loss
0.0286	1	0.3696	-
1.4286	50	0.1249	-
2.8571	100	0.0114	-
4.2857	150	0.0001	-
5.7143	200	0.0001	-
7.1429	250	0.0001	-
8.5714	300	0.0001	-
10.0	350	0.0001	-
11.4286	400	0.0	-
12.8571	450	0.0001	-
14.2857	500	0.0	-
15.7143	550	0.0	-
17.1429	600	0.0	-
18.5714	650	0.0	-
20.0	700	0.0	-

Framework Versions

Python: 3.10.12
SetFit: 1.1.0.dev0
Sentence Transformers: 3.1.1
Transformers: 4.46.1
PyTorch: 2.4.0+cu121
Datasets: 2.20.0
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}
}