--- 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 ### 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 | | | 1 | | | 2 | | | 3 | | | 4 | | | 5 | | | 6 | | | 7 | | | 8 | | | 9 | | | 10 | | | 11 | | | 12 | | | 13 | | | 14 | | | 15 | | | 16 | | ## 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.") ``` ## 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} } ```