Hugging Face's logo

mini1013
/
master_cate_lh8

Text Classification
setfit
Safetensors
sentence-transformers
roberta
generated_from_setfit_trainer
Eval Results
Model card Files Community
master_cate_lh8 / README.md
mini1013's picture
mini1013
Push model using huggingface_hub.
4db72b3 verified
preview code
|
raw
history blame contribute delete
18.1 kB
---
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: 타공판닷컴 세계지도 대형 월드맵 세계지도03_600x900 (주)오빌
- text: 스프링 제본 PDF 흑백 고품질 레이저 출력 - 흑백 양면인쇄 모조지80g 50p 스프링 흑백양면●●_모조지100g_167~170 page
도서출판 법현
- text: '[달페이퍼] 달페이퍼 미니미니 6종 엽서 postcard 인테리어엽서 6 미니미니 일하는 주식회사 천유닷컴'
- text: 환갑 현수막 회갑 생신 잔치 플랜카드 C00 네임 소형100x70cm C22 얼쑤(남자)-자유문구포토형_소형 100x70cm (주)엔비웨일인터렉티브
- text: 스프링 제본 PDF 흑백 고품질 레이저 출력 - 흑백 양면인쇄 모조지80g 50p 스프링 흑백단면●_모조지80g_179~182 page
도서출판 법현
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: 0.964332367808258
name: Metric
---
# SetFit with mini1013/master_domain
This is a [SetFit](https://github.com/huggingface/setfit) model that can be used for Text Classification. This SetFit model uses [mini1013/master_domain](https://huggingface.co/mini1013/master_domain) 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:** [mini1013/master_domain](https://huggingface.co/mini1013/master_domain)
- **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 |
|:------|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 6.0 | <ul><li>'명함 당일제작 소량 심플한 고급 인쇄 카페쿠폰 예쁜 부동산 회사 단면 비코팅 200매 ==질감있는 재질(▼아래에서 선택▼)== 주식회사 오투디자인그룹'</li><li>'전단지 소량 인쇄 제작 A5 단면 컬러 스노우지150 팜플렛 리플렛 당일 B5양면(16절)_아트지200 프린팅팩토리'</li><li>'잉크젯 - 컬러 출력 제본 - A5 백색80g 양면 A3(420×297㎜) - 제본불가_백색 80g 복사지_컬러양면△△ (페이지X권수=전체 쪽수 입력) 임프레스'</li></ul> |
| 2.0 | <ul><li>'[3개부터 제작] 백색페트 와블러 댕글러 쇼카드 가격표 POP 자유모양 재단 100x100mm_A형(사각/원형/라운드)_260장 (주)여름기획'</li><li>'휴대용 다이어트 피팅 허리 옷 의류 신체 줄자 1.5m 이잡스2'</li><li>'편안해 데스크매트 책상매트 패드 가죽 덮개 깔개 깔판 S6030 L90X45_블랙 편안한오늘'</li></ul> |
| 5.0 | <ul><li>'카시오 계산기 MS-20UC 미니 귀여운 컬러 전자계산기 공식스토어 MS-20UC_퍼플 주식회사 행남통상'</li><li>'[팝콘게임즈] 프리미엄 포토카드 슬리브 하드 50매 56x87 포안'</li><li>'펠로우즈 문서 세단기 P-30C 4x34mm 꽃가루형 파쇄기 세절기 폐지함 15L 블랙 블랙 두레샵'</li></ul> |
| 13.0 | <ul><li>'에이든 세계지도 극세사 러그 100×150cm 사계절- 아이방 놀이방 키즈 매트 카페트 아이보리_100×150cm 주식회사 타블라라사'</li><li>'유럽지도 한글영문 코팅 - 영국 프랑스 여행 세계전도 포스터 대형(210x150cm) (주)나우맵소프트'</li><li>'한국 100대 명산 여권 대한민국 산림청 백대명산 정상석 수첩 등산여권 기록 여권+스탬프 추억거리'</li></ul> |
| 11.0 | <ul><li>'크리스마스 선물 커트러리 스푼 포크 세트 4 개/6 개, 엘크 트리 장식 디저트 과일 커피 01 A 성운물산'</li><li>'유어캔들 파티 케익촛불 생일초 대용량 벨류팩 싱글 100입 01.싱글 핑크 주식회사 조앤인터내셔널'</li><li>'[텐바이텐] 제기(색상랜덤발송) 제로찬스'</li></ul> |
| 10.0 | <ul><li>'라벨지 A4라벨지 스티커라벨 투명 방수 라벨 레이저용 1칸(전지) 20장 흰색방수(Laser)_8칸(2X4) 10장 (주)유퍼스트'</li><li>'종이나라 코팅필름 A3 100mic 100매 대진교육 주식회사'</li><li>'더블에이 A4 복사용지 75g 2000매 제이앤에스(J&S)'</li></ul> |
| 4.0 | <ul><li>'마그네틱 자석 보드 29cm x 56cm 주문제작 그레이_380x760 세운정밀'</li><li>'호이지보드 LCD전자노트 메모보드 드로잉패드 스마트 메모장 8.5인치(컬러글씨)_핑크 호이지보드(Howeasy Board)'</li><li>'노베젤 화이트유리칠판 1200x800mm 럭시 벽걸이 글라스보드 1200x800mm 일반 주식회사 럭시글라스'</li></ul> |
| 0.0 | <ul><li>'스누피 인덱스노트 그레이(도트) 뭉뭉방구'</li><li>'3M 포스트잇 653-20A 대용량팩 일반 점착 접착용 노트 51x38mm 정비공톡'</li><li>'임산부 손목보호대 손목아대 블랙_S 블루마켓'</li></ul> |
| 14.0 | <ul><li>'백광 검은색 검정봉투 흰색비닐봉투 검정_6호[20리터](36x60+14/200매) 백광비닐산업'</li><li>'비닐닷컴 각대봉투 종이봉투 카페 크라프트 빵포장 180x110x350 200매 종이쇼핑백/플랫(납작끈)_백색 감광지_대/310x125x420/50매 비닐닷컴'</li><li>'[쿠베르] 감성 인테리어 엽서, 파리 A 미니 포스터 사진 촬영 소품 5.로마_로마 4장 쿠베르(COUVERT)'</li></ul> |
| 7.0 | <ul><li>'레드스탬프 인감 도장 가벽조레이저 십장생 띠 아기 이름 직인 단체 도장 만들기 한글고인체 선택 01 - 가벽조레이저_원앙_한자초서체 레드스탬프'</li><li>'자동 번호 넘버링 스탬프 마킹 날짜 가격표 찍는 도장 수동 3 자리 수 자동_4 LIN SHUZHEN'</li><li>'에이플렉스 씰링 스탬프 글루건 실링왁스 11mm 글루왁스1번(글루) 글루 왁스 34번(글루) 에이플렉스(Aflex)'</li></ul> |
| 16.0 | <ul><li>'블루칩 인형필통 폴리에스테르 대용량 14세이상사용 인형필통(오리디자인) 에이스 무역'</li><li>'모나미 매직 캡 적색 라인'</li><li>'모나미 보드마카 리퀴드 생잉크 220 흑 주식회사 에스에이치몰'</li></ul> |
| 15.0 | <ul><li>'프리미엄 악보 파일 10매~60매 밴드화일 메모 가능 40매_블루(뮤직)_추가 다다다기업'</li><li>'A4파일 클립보드 A4파일철 결재판 세로형 가로형_그린 살림 마녀'</li><li>'[다나 코퍼레이션] A4 파일 철 파일케이스 그레이 다나 코퍼레이션'</li></ul> |
| 9.0 | <ul><li>'아워모티프 포카바인더 6공 포토카드 바인더 A5 A5_블랙_바인더 월간문구'</li><li>'마이러브 초음파앨범 꾸미기 뱀띠 아기 각인 사진정리 셀프포토북 앨범 단품 크림 앨범 + 꾸미기 세트_마이러브앨범: B급크림 / 주수스티커: 컬러_토끼띠 + 프로필 스티커 커플러스'</li><li>'아워모티프 포카바인더 6공 포토카드 바인더 A5 A6_올리브_바인더 월간문구'</li></ul> |
| 12.0 | <ul><li>'롤 트레싱지 롤 트레이싱지 idem 플로터 반투명종이 A1 하이비즈코리아'</li><li>'신한 삼원 트레싱지 A4 A3 80g 85g 트레이싱지 삼원 A3 100매 디포스타'</li><li>'롤 트레싱지 롤 트레이싱지 idem 플로터 반투명종이 A3 10. 12인치x50야드(흰색) 하이비즈코리아'</li></ul> |
| 3.0 | <ul><li>'종이나라 비비드 마블링물감 12색 (1개) 바이포비'</li><li>'네오디움 자석 원형 고리 막대 사각 네오디뮴 초강력자석 2 x 1mm 선택.4 네오디움 사각자석_★ 모든치수의 단위는 mm 입니다★ 유마그네트'</li><li>'도루코 S 커터날 10매 칼날 커터칼 사무용칼 S커터날 10입 에이치티비 트레이드'</li></ul> |
| 1.0 | <ul><li>'2025 양지 다이어리 유즈어리 25A 로고 인쇄 수첩&포켓다이어리_인스타일48_그레이 주식회사 제이에프샵'</li><li>'2025 아르디움 먼슬리 플래너 화이트 데이드림 지웨이컨텐츠(JIWAY Contents)'</li><li>'홍보용 새해 벽걸이 달력 특별2절 숫자판 70모조 1부 제작 숫자판 캘린더 주문 인쇄 벽걸이달력_2-1 2절숫자판70모조_200부 제작 1부 단가 총무나라 주식회사'</li></ul> |
| 8.0 | <ul><li>'신일 SINIL 박스테이프 경포장 투명 택배 포장 OPP 고점착 테이프 80m 40개 SINIL 중포장 투명_50M 50개 주식회사 신일'</li><li>'3M 스카치 투명양면테이프 리필 017R 017D 본품 좋은사람문구유통'</li><li>'우림 박스 테이프 L3 50M 50개 경포장 투명 OPP 포장용 러버테이프(겨울용/냉동용)_S시리즈_(겨울용)S1-러버(40Mx50개)황색 우림 강서지사'</li></ul> |
## Evaluation
### Metrics
| Label | Metric |
|:--------|:-------|
| **all** | 0.9643 |
## 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("mini1013/master_cate_lh8")
# Run inference
preds = model("타공판닷컴 세계지도 대형 월드맵 세계지도03_600x900 (주)오빌")
```
<!--
### 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 | 4 | 11.1176 | 26 |
| 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 |
| 10.0 | 50 |
| 11.0 | 50 |
| 12.0 | 50 |
| 13.0 | 50 |
| 14.0 | 50 |
| 15.0 | 50 |
| 16.0 | 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 |
|:-------:|:----:|:-------------:|:---------------:|
| 0.0075 | 1 | 0.4622 | - |
| 0.3759 | 50 | 0.3276 | - |
| 0.7519 | 100 | 0.2741 | - |
| 1.1278 | 150 | 0.167 | - |
| 1.5038 | 200 | 0.082 | - |
| 1.8797 | 250 | 0.0368 | - |
| 2.2556 | 300 | 0.0406 | - |
| 2.6316 | 350 | 0.0331 | - |
| 3.0075 | 400 | 0.0282 | - |
| 3.3835 | 450 | 0.0144 | - |
| 3.7594 | 500 | 0.005 | - |
| 4.1353 | 550 | 0.0036 | - |
| 4.5113 | 600 | 0.0036 | - |
| 4.8872 | 650 | 0.0005 | - |
| 5.2632 | 700 | 0.0003 | - |
| 5.6391 | 750 | 0.0003 | - |
| 6.0150 | 800 | 0.0002 | - |
| 6.3910 | 850 | 0.0003 | - |
| 6.7669 | 900 | 0.0002 | - |
| 7.1429 | 950 | 0.0002 | - |
| 7.5188 | 1000 | 0.0001 | - |
| 7.8947 | 1050 | 0.0001 | - |
| 8.2707 | 1100 | 0.0001 | - |
| 8.6466 | 1150 | 0.0001 | - |
| 9.0226 | 1200 | 0.0001 | - |
| 9.3985 | 1250 | 0.0001 | - |
| 9.7744 | 1300 | 0.0001 | - |
| 10.1504 | 1350 | 0.0001 | - |
| 10.5263 | 1400 | 0.0001 | - |
| 10.9023 | 1450 | 0.0001 | - |
| 11.2782 | 1500 | 0.0001 | - |
| 11.6541 | 1550 | 0.0001 | - |
| 12.0301 | 1600 | 0.0001 | - |
| 12.4060 | 1650 | 0.0001 | - |
| 12.7820 | 1700 | 0.0001 | - |
| 13.1579 | 1750 | 0.0001 | - |
| 13.5338 | 1800 | 0.0001 | - |
| 13.9098 | 1850 | 0.0001 | - |
| 14.2857 | 1900 | 0.0001 | - |
| 14.6617 | 1950 | 0.0001 | - |
| 15.0376 | 2000 | 0.0001 | - |
| 15.4135 | 2050 | 0.0001 | - |
| 15.7895 | 2100 | 0.0001 | - |
| 16.1654 | 2150 | 0.0001 | - |
| 16.5414 | 2200 | 0.0001 | - |
| 16.9173 | 2250 | 0.0001 | - |
| 17.2932 | 2300 | 0.0001 | - |
| 17.6692 | 2350 | 0.0001 | - |
| 18.0451 | 2400 | 0.0001 | - |
| 18.4211 | 2450 | 0.0001 | - |
| 18.7970 | 2500 | 0.0001 | - |
| 19.1729 | 2550 | 0.0001 | - |
| 19.5489 | 2600 | 0.0001 | - |
| 19.9248 | 2650 | 0.0001 | - |
### 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
```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.*
-->