|
--- |
|
library_name: setfit |
|
tags: |
|
- setfit |
|
- sentence-transformers |
|
- text-classification |
|
- generated_from_setfit_trainer |
|
metrics: |
|
- accuracy |
|
widget: |
|
- text: 'Neteja a deshores : Avui a les 7:30 del matí i s''ha presentat un senyor |
|
amb una furgoneta de LLEIDA MÉS NETA al carrer dels Agustins i amb una mànega |
|
a pressió i el seu compressor s''ha disposat a netejar el mobiliari urbà fins |
|
a les 07:45. Cada cop que apretava la mànega es disparava el compresor fent així |
|
molt soroll i finalment despertant a la canalla que ja tenen els dies comçlicats |
|
com per a que se''ls allarguin més encara A les 7:30 està prohibit fer soroll. |
|
Tinc varies fotos que ho demostren.' |
|
- text: 'Barana del canal : A l’alçada del canal del c/. Enginyer Antoni Llobet esta |
|
instal.lada una barana que presenta un espai per la zona inferior que pot generar |
|
un accident,doncs es una zona molt transitada per nens i si cauen per allí perfectament |
|
es poden colar per sota i caure al canal. Sol.licito que hi fiquin algun tipo |
|
de protecció.' |
|
- text: 'Escola de música d''adults : Hola. Voldria suggerir que féssiu algun descompte |
|
a l''Escola de música d''adults per les persones amb discapacitat. Gràcies.' |
|
- text: 'Expedient DU13-380 Negociat de Disciplina Ue : Benvolguts Srs, Avui ens hem |
|
personat a l''edifici Pal.las per contactar amb el Negociat de Disciplina Urbanística |
|
i donar una resposta personal al requeriment. Estem en contacte amb un arquitecte |
|
qui presentarà en breu els documents requerits. La persona d''Urbanisme que ens |
|
ha atès aquest matí ens ha suggerit que presentéssim telemàticament l''escrit |
|
que volíem avui mateix aportar al Negociat, i que adjuntem. Rebin una salutació, |
|
Elisa Rosanes i Joan Valls' |
|
- text: 'Bonificació escola bressol : Bones, vaig fer la tramitació per família monoparental |
|
per l''escola bressol la mitjana pero no s''he m''ha aplicat, ja que posa que |
|
la cuantitar a pagar son 90 euros mensuals. He tornat a fer la solicitud per si |
|
hi hagut algun problema. També voldria saber si ja esta aplicat el servei de menjador. |
|
Gràcies.' |
|
pipeline_tag: text-classification |
|
inference: true |
|
base_model: ibaucells/RoBERTa-ca-CaWikiTC |
|
--- |
|
|
|
# SetFit with ibaucells/RoBERTa-ca-CaWikiTC |
|
|
|
This is a [SetFit](https://github.com/huggingface/setfit) model that can be used for Text Classification. This SetFit model uses [ibaucells/RoBERTa-ca-CaWikiTC](https://huggingface.co/ibaucells/RoBERTa-ca-CaWikiTC) as the Sentence Transformer embedding model. A [LogisticRegression](https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html) 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](https://www.sbert.net) 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:** [ibaucells/RoBERTa-ca-CaWikiTC](https://huggingface.co/ibaucells/RoBERTa-ca-CaWikiTC) |
|
- **Classification head:** a [LogisticRegression](https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html) instance |
|
- **Maximum Sequence Length:** 512 tokens |
|
- **Number of Classes:** 17 classes |
|
<!-- - **Training Dataset:** [Unknown](https://huggingface.co/datasets/unknown) --> |
|
<!-- - **Language:** Unknown --> |
|
<!-- - **License:** Unknown --> |
|
|
|
### Model Sources |
|
|
|
- **Repository:** [SetFit on GitHub](https://github.com/huggingface/setfit) |
|
- **Paper:** [Efficient Few-Shot Learning Without Prompts](https://arxiv.org/abs/2209.11055) |
|
- **Blogpost:** [SetFit: Efficient Few-Shot Learning Without Prompts](https://huggingface.co/blog/setfit) |
|
|
|
### Model Labels |
|
| Label | Examples | |
|
|:------|:-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------| |
|
| 0 | <ul><li>'Aquest article tracta sobre Aigües'</li><li>'Aquest article tracta sobre Aigües'</li><li>'Aquest article tracta sobre Aigües'</li></ul> | |
|
| 1 | <ul><li>'Aquest article tracta sobre Comerç i mercats'</li><li>'Aquest article tracta sobre Comerç i mercats'</li><li>'Aquest article tracta sobre Comerç i mercats'</li></ul> | |
|
| 2 | <ul><li>'Aquest article tracta sobre Cultura'</li><li>'Aquest article tracta sobre Cultura'</li><li>'Aquest article tracta sobre Cultura'</li></ul> | |
|
| 3 | <ul><li>'Aquest article tracta sobre Economia'</li><li>'Aquest article tracta sobre Economia'</li><li>'Aquest article tracta sobre Economia'</li></ul> | |
|
| 4 | <ul><li>'Aquest article tracta sobre Educació'</li><li>'Aquest article tracta sobre Educació'</li><li>'Aquest article tracta sobre Educació'</li></ul> | |
|
| 5 | <ul><li>'Aquest article tracta sobre Enllumenat'</li><li>'Aquest article tracta sobre Enllumenat'</li><li>'Aquest article tracta sobre Enllumenat'</li></ul> | |
|
| 6 | <ul><li>'Aquest article tracta sobre Esports'</li><li>'Aquest article tracta sobre Esports'</li><li>'Aquest article tracta sobre Esports'</li></ul> | |
|
| 7 | <ul><li>'Aquest article tracta sobre Habitatge'</li><li>'Aquest article tracta sobre Habitatge'</li><li>'Aquest article tracta sobre Habitatge'</li></ul> | |
|
| 8 | <ul><li>'Aquest article tracta sobre Horta'</li><li>'Aquest article tracta sobre Horta'</li><li>'Aquest article tracta sobre Horta'</li></ul> | |
|
| 9 | <ul><li>'Aquest article tracta sobre Medi ambient'</li><li>'Aquest article tracta sobre Medi ambient'</li><li>'Aquest article tracta sobre Medi ambient'</li></ul> | |
|
| 10 | <ul><li>'Aquest article tracta sobre Mobilitat'</li><li>'Aquest article tracta sobre Mobilitat'</li><li>'Aquest article tracta sobre Mobilitat'</li></ul> | |
|
| 11 | <ul><li>'Aquest article tracta sobre Neteja'</li><li>'Aquest article tracta sobre Neteja'</li><li>'Aquest article tracta sobre Neteja'</li></ul> | |
|
| 12 | <ul><li>'Aquest article tracta sobre Salut'</li><li>'Aquest article tracta sobre Salut'</li><li>'Aquest article tracta sobre Salut'</li></ul> | |
|
| 13 | <ul><li>'Aquest article tracta sobre Seguretat'</li><li>'Aquest article tracta sobre Seguretat'</li><li>'Aquest article tracta sobre Seguretat'</li></ul> | |
|
| 14 | <ul><li>'Aquest article tracta sobre Serveis socials'</li><li>'Aquest article tracta sobre Serveis socials'</li><li>'Aquest article tracta sobre Serveis socials'</li></ul> | |
|
| 15 | <ul><li>'Aquest article tracta sobre Tramitacions'</li><li>'Aquest article tracta sobre Tramitacions'</li><li>'Aquest article tracta sobre Tramitacions'</li></ul> | |
|
| 16 | <ul><li>'Aquest article tracta sobre Urbanisme'</li><li>'Aquest article tracta sobre Urbanisme'</li><li>'Aquest article tracta sobre Urbanisme'</li></ul> | |
|
|
|
## Uses |
|
|
|
### Direct Use for Inference |
|
|
|
First install the SetFit library: |
|
|
|
```bash |
|
pip install setfit |
|
``` |
|
|
|
Then you can load this model and run inference. |
|
|
|
```python |
|
from setfit import SetFitModel |
|
|
|
# Download from the 🤗 Hub |
|
model = SetFitModel.from_pretrained("adriansanz/test8") |
|
# Run inference |
|
preds = model("Escola de música d'adults : Hola. Voldria suggerir que féssiu algun descompte a l'Escola de música d'adults per les persones amb discapacitat. Gràcies.") |
|
``` |
|
|
|
<!-- |
|
### Downstream Use |
|
|
|
*List how someone could finetune this model on their own dataset.* |
|
--> |
|
|
|
<!-- |
|
### Out-of-Scope Use |
|
|
|
*List how the model may foreseeably be misused and address what users ought not to do with the model.* |
|
--> |
|
|
|
<!-- |
|
## Bias, Risks and Limitations |
|
|
|
*What are the known or foreseeable issues stemming from this model? You could also flag here known failure cases or weaknesses of the model.* |
|
--> |
|
|
|
<!-- |
|
### Recommendations |
|
|
|
*What are recommendations with respect to the foreseeable issues? For example, filtering explicit content.* |
|
--> |
|
|
|
## Training Details |
|
|
|
### Training Set Metrics |
|
| Training set | Min | Median | Max | |
|
|:-------------|:----|:-------|:----| |
|
| Word count | 5 | 5.2353 | 7 | |
|
|
|
| Label | Training Sample Count | |
|
|:------|:----------------------| |
|
| 0 | 8 | |
|
| 1 | 8 | |
|
| 2 | 8 | |
|
| 3 | 8 | |
|
| 4 | 8 | |
|
| 5 | 8 | |
|
| 6 | 8 | |
|
| 7 | 8 | |
|
| 8 | 8 | |
|
| 9 | 8 | |
|
| 10 | 8 | |
|
| 11 | 8 | |
|
| 12 | 8 | |
|
| 13 | 8 | |
|
| 14 | 8 | |
|
| 15 | 8 | |
|
| 16 | 8 | |
|
|
|
### Training Hyperparameters |
|
- batch_size: (64, 64) |
|
- num_epochs: (60, 60) |
|
- max_steps: -1 |
|
- sampling_strategy: oversampling |
|
- 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 |
|
- seed: 42 |
|
- eval_max_steps: -1 |
|
- load_best_model_at_end: True |
|
|
|
### Training Results |
|
| Epoch | Step | Training Loss | Validation Loss | |
|
|:------:|:----:|:-------------:|:---------------:| |
|
| 0.0037 | 1 | 0.4079 | - | |
|
| 0.1838 | 50 | 0.3625 | - | |
|
| 0.3676 | 100 | 0.3197 | - | |
|
| 0.5515 | 150 | 0.22 | - | |
|
| 0.7353 | 200 | 0.2259 | - | |
|
| 0.9191 | 250 | 0.1748 | - | |
|
|
|
### Framework Versions |
|
- Python: 3.10.12 |
|
- SetFit: 1.0.3 |
|
- Sentence Transformers: 2.6.1 |
|
- Transformers: 4.38.2 |
|
- PyTorch: 2.2.1+cu121 |
|
- Datasets: 2.18.0 |
|
- Tokenizers: 0.15.2 |
|
|
|
## Citation |
|
|
|
### BibTeX |
|
```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} |
|
} |
|
``` |
|
|
|
<!-- |
|
## Glossary |
|
|
|
*Clearly define terms in order to be accessible across audiences.* |
|
--> |
|
|
|
<!-- |
|
## Model Card Authors |
|
|
|
*Lists the people who create the model card, providing recognition and accountability for the detailed work that goes into its construction.* |
|
--> |
|
|
|
<!-- |
|
## Model Card Contact |
|
|
|
*Provides a way for people who have updates to the Model Card, suggestions, or questions, to contact the Model Card authors.* |
|
--> |