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: 6 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	'핸드메이드 어린이 귀걸이 안아픈 귀찌 실리콘 나사형 진주볼-화이트 출산/육아 > 유아동주얼리 > 귀걸이' '초등학생 어린이 귀걸이 귀찌 클립형 나사형 퍼플 큐빅_클립형 귀찌(무니켈) 출산/육아 > 유아동주얼리 > 귀걸이' '어린이 초등학생 여아 귀걸이 귀찌 e513-1.미니하트퍼플 드롭_귀찌 출산/육아 > 유아동주얼리 > 귀걸이'
4.0	'미니써클 미아방지 실버세트/ 목걸이/ 팔찌 미니써클 미아방지 실버세트_J타입(영문 흘림체)_F타입(영문 바른체) 출산/육아 > 유아동주얼리 > 주얼리세트' '겨울왕국2 엘사 눈꽃 목걸이 팔찌 반지 3종세트 출산/육아 > 유아동주얼리 > 주얼리세트' '스키니 네모 탄생석 미아방지 실버세트/ 목걸이/ 팔찌 스키니 네모 미아방지 실버세트_1월(Garnet)_H타입(영문 볼드체) 출산/육아 > 유아동주얼리 > 주얼리세트'
2.0	'리바스골드 99.9 순금 1g/1.875g/3.75g 돌반지 금수저 순금열쇠 돌팔찌 모음전 09. 돌반지(왕관하트)_1.875g_H. 금박 폴라로이드 액자 패키지 출산/육아 > 유아동주얼리 > 순금돌반지' '컷팅 왕관 돌반지 돌팔찌 3.75g 7.5g 11.25g 순금 자개함 보자기포장 백일반지 컷팅 왕관 돌반지 3.75g_백일 남색 리본_고급와당케이스 출산/육아 > 유아동주얼리 > 순금돌반지' '호랑이 토끼 띠 밴드 돌반지 3.75g 순금 자개함 아기 백일반지 리본 토끼 3.75g_빨강 수국_안음기본케이스 출산/육아 > 유아동주얼리 > 순금돌반지'
5.0	'민트 핑크 하트볼체인 실버 아기미아방지팔찌 3mm볼_빨강＋각인함★_14＋2 （5-7세） 출산/육아 > 유아동주얼리 > 팔찌' '스틱 바 미아방지 목걸이 팔찌 아기 아이 어린이 유아동 실버 순은 팔찌로 제작해주세요_탄생석 2월 출산/육아 > 유아동주얼리 > 팔찌' '미아방지팔찌(14K 18K 발도장 돌팔찌 돌선물 백일선물 탄생석) 1860B 3번 고딕체_10월 핑크투어마린_18K / 사다리체인 출산/육아 > 유아동주얼리 > 팔찌'
3.0	'순금 돌팔찌 3.75g 7.5g 11.25g 8종 모음전 24k 첫돌 백일 아기 조카 선물 ⑶11.25g_⑴천사날개 출산/육아 > 유아동주얼리 > 순금주얼리' '순금 당근 토끼띠 아기 돌목걸이 백일목걸이 3.75g 7.5g (99.9%) 순금 당근 토끼띠 아기목걸이/7.5g_색동 복주머니 팩킹_여자아기 출산/육아 > 유아동주얼리 > 순금주얼리' '금수저 책연필 돌팔찌 7.5g 11.25g 18.75g 순금 자개함 포장 백일팔찌 금수저7.5g_첫돌 빨강 리본_고급송학자개케이스 출산/육아 > 유아동주얼리 > 순금주얼리'
1.0	'하트 데이지 14k 미아방지목걸이 18k 아기 금목걸이 여아 딸 출산/육아 > 유아동주얼리 > 목걸이/펜던트' '실버 미아방지 목걸이 하트 탄생석 아기 돌선물 순은925 어린이날 기념 각인 조카선물 출산/육아 > 유아동주얼리 > 목걸이/펜던트' '실버 오목코인 키즈 아기목걸이 미아방지목걸이 출산/육아 > 유아동주얼리 > 목걸이/펜던트'

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_bc21")
# Run inference
preds = model("[국제금거래소] (순도99.9%) 고급 순금 돌반지 1.875g 복(福)_고급케이스 출산/육아 > 유아동주얼리 > 순금돌반지")

Training Details

Training Set Metrics

Training set	Min	Median	Max
Word count	7	15.7703	32

Label	Training Sample Count
0.0	70
1.0	20
2.0	70
3.0	70
4.0	70
5.0	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
0.0137	1	0.4867	-
0.6849	50	0.4987	-
1.3699	100	0.3808	-
2.0548	150	0.1425	-
2.7397	200	0.053	-
3.4247	250	0.0037	-
4.1096	300	0.0001	-
4.7945	350	0.0001	-
5.4795	400	0.0001	-
6.1644	450	0.0001	-
6.8493	500	0.0	-
7.5342	550	0.0	-
8.2192	600	0.0	-
8.9041	650	0.0	-
9.5890	700	0.0	-
10.2740	750	0.0	-
10.9589	800	0.0	-
11.6438	850	0.0	-
12.3288	900	0.0	-
13.0137	950	0.0	-
13.6986	1000	0.0	-
14.3836	1050	0.0	-
15.0685	1100	0.0	-
15.7534	1150	0.0	-
16.4384	1200	0.0	-
17.1233	1250	0.0	-
17.8082	1300	0.0	-
18.4932	1350	0.0	-
19.1781	1400	0.0	-
19.8630	1450	0.0	-
20.5479	1500	0.0	-
21.2329	1550	0.0	-
21.9178	1600	0.0	-
22.6027	1650	0.0	-
23.2877	1700	0.0	-
23.9726	1750	0.0	-
24.6575	1800	0.0	-
25.3425	1850	0.0	-
26.0274	1900	0.0	-
26.7123	1950	0.0	-
27.3973	2000	0.0	-
28.0822	2050	0.0	-
28.7671	2100	0.0	-
29.4521	2150	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_bc21