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: 10 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
9.0	'롤리팝 에디슨 항균 혀클리너 4종 퍼플 파랑새랑' '텅브러쉬 혀클리너 입냄새제거 백태제거 혀칫솔 MinSellAmount 펀키보이' '[생활도감] 혀클리너 세트 그린2개+네이비2개 주식회사 생활도감'
2.0	'셀프 가정용 스테인레스 스케일링 치석제거기 청소 도구 304 핑크 6종 세트 주식회사 클라우드' '도구 치경 제거 편도석 제거기 입똥 편도결석 목똥 셀프 발광 귀걸이x수납함 로얄산티아고' '소형 구취 측정기 테스트기 휴대용 냄새 악취 호흡 구강 입냄새측정기 자가진단 자가 가스 표준모델 _ 검정 행복초지'
0.0	'존슨앤존슨 구강청결 리스테린 쿨민트 250ml 후레쉬버스트 250ml - 1개 디아크코리아' '일회용 여행용 가그린 라임10g 1개 휴대용 오리지널 가글스틱 오리지널 1개 예그린스페이스' '가그린 제로 1200ML 쓱1day배송'
4.0	'투스노트 화이트닝겔 하루 2번 30분 투자로 누런이를 하얗게 투스노트 화이트닝겔 2주분 주식회사 네이처폴' '루치펠로 미스틱포레스트 치약 180g 5개 원라이브팩토리' '대형 치아모형 치아 모델 구조 인체 구강 치과 C. 구강 2배 확대(하아 제거 가능) 마켓 스페이스토끼'
8.0	'미소덴탈 교정장치보관함 교정기케이스 교정기통 교정기보관함-옐로우 (주)톡톡그린' '성심 덴트크린 틀니세정제 36개입 2개 교정기 세척 희망메디' '폴리덴트 맥스 씰 의치 부착재(의치 접착제) 70gx5개+샘플 1개 더마켓'
6.0	'백선생 왕타칫솔 베이직 스톤 10P 왕타' '켄트칫솔 클래식 6개입 부드러운 칫솔 미세모 치아관리 어금니 치과칫솔 켄트 클래식 6개_켄트 탄 초극세모 1개(랜덤)_치간칫솔 8개입 1세트(레드 0.7mm) (주)지로인터내셔널' '쿤달 딥 클린 탄력 항균 이중미세모 칫솔 부드러운모, 16입, 1개 구분 : 부드러운모 슈팅배송'
3.0	'오랄비 P&G 왁스치실 민트향 50m 01.왁스 치실 민트향 50m TH상사' '오랄비 C자형 일회용 치실 30개입 1팩 NEW)치실C자 30개입[O121] 한국피앤지판매유한회사' '오랄비 왁스치실 (50m 1개) 민트 디엔지유통'
5.0	'LG생활건강 죽염 명약원 골든프로폴리스 치약 플러스 120g MinSellAmount 오늘도연구소' '엘지생활건강 죽염 잇몸고 치약 120g 1개 유니스' '센소다인 오리지널 플러스 치약 100g 1개 dm 다임커머스'
7.0	'[유한양행]닥터버들 치약+칫솔 여행용세트 6개 신세계몰' '[유한양행]닥터버들 휴대용 칫솔치약세트 1개 신세계몰' '투톤 휴대용 칫솔 치약 케이스 캡슐형 답례품 투톤용 칫솔통 보관함 홀더 칫솔캡 캡슐칫 화이트블루 쏭리빙'
1.0	'일제 형상기억 마우스피스 아리더샾' '혀용 코골이 방지 용품 대책용 마우스피스 8 개 세트 이와이리테일(EY리테일)' '이갈이방지 치아 앞니 보호 유지 셀프 마우스피스 교정 2단계 코스모스'

Evaluation

Metrics

Label	Metric
all	0.9477

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_lh4")
# Run inference
preds = model("애터미 치약 프로폴리스 200g 입냄새 제거 미백 콜마  플렉스세븐")

Training Details

Training Set Metrics

Training set	Min	Median	Max
Word count	3	10.026	23

Label	Training Sample Count
0.0	50
1.0	50
2.0	50
3.0	50
4.0	50
5.0	50
6.0	50
7.0	50
8.0	50
9.0	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
0.0127	1	0.4686	-
0.6329	50	0.2751	-
1.2658	100	0.1179	-
1.8987	150	0.0739	-
2.5316	200	0.0687	-
3.1646	250	0.0466	-
3.7975	300	0.0591	-
4.4304	350	0.0232	-
5.0633	400	0.0125	-
5.6962	450	0.0134	-
6.3291	500	0.0152	-
6.9620	550	0.0175	-
7.5949	600	0.0118	-
8.2278	650	0.007	-
8.8608	700	0.0003	-
9.4937	750	0.0002	-
10.1266	800	0.0001	-
10.7595	850	0.0001	-
11.3924	900	0.0001	-
12.0253	950	0.0001	-
12.6582	1000	0.0001	-
13.2911	1050	0.0001	-
13.9241	1100	0.0001	-
14.5570	1150	0.0001	-
15.1899	1200	0.0001	-
15.8228	1250	0.0001	-
16.4557	1300	0.0001	-
17.0886	1350	0.0001	-
17.7215	1400	0.0001	-
18.3544	1450	0.0001	-
18.9873	1500	0.0	-
19.6203	1550	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}
}

mini1013
/

master_cate_lh4