mini1013 commited on
Commit
8d57dee
·
verified ·
1 Parent(s): c1e30b9

Push model using huggingface_hub.

Browse files
1_Pooling/config.json ADDED
@@ -0,0 +1,10 @@
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "word_embedding_dimension": 768,
3
+ "pooling_mode_cls_token": false,
4
+ "pooling_mode_mean_tokens": true,
5
+ "pooling_mode_max_tokens": false,
6
+ "pooling_mode_mean_sqrt_len_tokens": false,
7
+ "pooling_mode_weightedmean_tokens": false,
8
+ "pooling_mode_lasttoken": false,
9
+ "include_prompt": true
10
+ }
README.md ADDED
@@ -0,0 +1,448 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ ---
2
+ tags:
3
+ - setfit
4
+ - sentence-transformers
5
+ - text-classification
6
+ - generated_from_setfit_trainer
7
+ widget:
8
+ - text: 국내산 햇잣 홍천 잣고개 잣 1kg (백잣 황잣 파지잣) 백잣(정품) 1kg (#M)식품>농산물>견과류>잣 T200 > Naverstore
9
+ > 식품 > 견과류/건과류 > 견과류 > 잣
10
+ - text: 청도 감말랭이 곶감 홍시 말랭이 말린 감 프리미엄 청도 감말랭이 100g (#M)식품>농산물>건과류>감말랭이 T200 > Naverstore
11
+ > 식품 > 견과류/건과류 > 건과류 > 감말랭이
12
+ - text: HYGGE(휘게) 담금주 키트 3구 선물세트(500ml x 3) 그린라이트(야관문주)_달빛 한 스푼(진저레몬주)_베리온더클라우드(딸기주)
13
+ (#M)식품>농산물>건과류>기타건과류 T200 > Naverstore > 식품 > 견과류/건과류 > 건과류 > 기타건과류
14
+ - text: 올가 피스타치오(유기농) (100g) (#M)식품>농산물>견과류>피스타치오 T200 > Naverstore > 식품 > 견과류/건과류
15
+ > 견과류 > 피스타치오
16
+ - text: 원더풀피스타치오 노 쉘 칠리 로스티드 맛 2통 63g (#M)식품>농산물>견과류>피스타치오 T200 > Naverstore > 식품
17
+ > 견과류/건과류 > 견과류 > 피스타치오
18
+ metrics:
19
+ - accuracy
20
+ pipeline_tag: text-classification
21
+ library_name: setfit
22
+ inference: true
23
+ base_model: klue/roberta-base
24
+ model-index:
25
+ - name: SetFit with klue/roberta-base
26
+ results:
27
+ - task:
28
+ type: text-classification
29
+ name: Text Classification
30
+ dataset:
31
+ name: Unknown
32
+ type: unknown
33
+ split: test
34
+ metrics:
35
+ - type: accuracy
36
+ value: 0.9994875924163678
37
+ name: Accuracy
38
+ ---
39
+
40
+ # SetFit with klue/roberta-base
41
+
42
+ This is a [SetFit](https://github.com/huggingface/setfit) model that can be used for Text Classification. This SetFit model uses [klue/roberta-base](https://huggingface.co/klue/roberta-base) 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.
43
+
44
+ The model has been trained using an efficient few-shot learning technique that involves:
45
+
46
+ 1. Fine-tuning a [Sentence Transformer](https://www.sbert.net) with contrastive learning.
47
+ 2. Training a classification head with features from the fine-tuned Sentence Transformer.
48
+
49
+ ## Model Details
50
+
51
+ ### Model Description
52
+ - **Model Type:** SetFit
53
+ - **Sentence Transformer body:** [klue/roberta-base](https://huggingface.co/klue/roberta-base)
54
+ - **Classification head:** a [LogisticRegression](https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html) instance
55
+ - **Maximum Sequence Length:** 512 tokens
56
+ - **Number of Classes:** 22 classes
57
+ <!-- - **Training Dataset:** [Unknown](https://huggingface.co/datasets/unknown) -->
58
+ <!-- - **Language:** Unknown -->
59
+ <!-- - **License:** Unknown -->
60
+
61
+ ### Model Sources
62
+
63
+ - **Repository:** [SetFit on GitHub](https://github.com/huggingface/setfit)
64
+ - **Paper:** [Efficient Few-Shot Learning Without Prompts](https://arxiv.org/abs/2209.11055)
65
+ - **Blogpost:** [SetFit: Efficient Few-Shot Learning Without Prompts](https://huggingface.co/blog/setfit)
66
+
67
+ ### Model Labels
68
+ | Label | Examples |
69
+ |:------|:------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
70
+ | 7.0 | <ul><li>'견과류 답례품 결혼 결혼식 웨딩 돌 감사선물 허비스 10종 6허비스골드그라인더(90g)_300개 이상(-250원 할인) (#M)식품>농산물>견과류>혼합견과/견과류세트 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 기타견과류'</li><li>'브라질너트 1kg 햇상품 A등급 최신통관 브라질넛 MD 900g(450gx2봉) (#M)식품>농산물>견과류>기타견과류 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 기타견과류'</li><li>'견과류 답례품 믹스 결혼 결혼식 회사 믹스넛 110g 03 호두정과 80g_700개 이상 (-300원) (#M)식품>농산물>견과류>혼합견과/견과류세트 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 기타견과류'</li></ul> |
71
+ | 10.0 | <ul><li>'마우나로아 마카다미아 다크초코 하와이안 씨솔트 허니 로스티드 어니언갈릭 대용량 밀크초코 226g (#M)식품>농산물>견과류>마카다미아 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 마카다미아'</li><li>'우고래빗 통 마카다미아 ✨특가✨02.마카다미아 1kg(500x2) (#M)식품>농산물>견과류>마카다미아 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 마카다미아'</li><li>'마우나로아 마카다미아 대용량 하와이안 괌 다크초콜릿 씨솔트 밀크초콜릿 코스트코 05.다크초콜릿 17g x 24개 (#M)식품>농산물>견과류>마카다미아 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 마카다미아'</li></ul> |
72
+ | 11.0 | <ul><li>'약단밤 칼집밤 생율 옥광 군밤 맛밤 칼집 약단밤 2kg (#M)식품>농산물>견과류>밤 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 밤'</li><li>'[단품구성] 23년 햇밤 달콤한 공주밤 1kg / 약단밤 생율밤 칼집 무칼집 02 공주밤(대)무칼집 1kg (#M)식품>농산물>견과류>밤 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 밤'</li><li>'23년 농장직송 공주밤 햇밤 2kg 4kg 옥광 대보 조생 칼집밤 [칼집X]옥광밤_옥광밤 특 4kg (#M)식품>농산물>견과류>밤 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 밤'</li></ul> |
73
+ | 1.0 | <ul><li>'건망고 슬라이스 1kg (#M)식품>잼/시럽>딸기잼 T200 > Naverstore > 식품 > 견과류/건과류 > 건과류 > 건망고'</li><li>'[해외] 베트남 롯데마트 choice L 초이스엘 반건조망고 100G X 8팩 / 망고슬라이스 Xoai Say Deo Fruit Joy mango 건망고 말린망고 (#M)식품>농산물>건과류>건망고 T200 > Naverstore > 식품 > 견과류/건과류 > 건과류 > 건망고'</li><li>'식자재 식재료 도매 건망고 비앤지 1K x10개 (#M)식품>농산물>건과류>건망고 T200 > Naverstore > 식품 > 견과류/건과류 > 건과류 > 건망고'</li></ul> |
74
+ | 5.0 | <ul><li>'곶감 선물세트 건시 상주곶감 선물용 보자기포장 (#M)식품>농산물>건과류>곶감 T200 > Naverstore > 식품 > 견과류/건과류 > 건과류 > 곶감'</li><li>'대구 상견례선물 곶감단지 명절 부모님 첫인사 선물 예약배송 배송메세지에 도착일입력_상견례선물택선택_사각케이스곶감단지9구 (#M)식품>농산물>건과류>곶감 T200 > Naverstore > 식품 > 견과류/건과류 > 건과류 > 곶감'</li><li>'귀한곶감말이 [20P] 무화과크림치즈호두말이 선물 추석선물 명절선물 상견례 반건시 답례 20구상자+종이가방_o (#M)식품>농산물>건과류>곶감 T200 > Naverstore > 식품 > 견과류/건과류 > 건과류 > 곶감'</li></ul> |
75
+ | 17.0 | <ul><li>'코스트코 피칸 커클랜드 시그니춰 피칸 하브즈 908G 샐러드 요거트 (#M)식품>농산물>견과류>피칸 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 피칸'</li><li>'KIRKLAND SIGNATURE 스낵킹 피칸 737G (#M)식품>농산물>견과류>피칸 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 피칸'</li><li>'피칸분태 1kg 미국산 조각 피칸 캘리포니아 무염 생 피칸 (#M)식품>농산물>견과류>피칸 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 피칸'</li></ul> |
76
+ | 21.0 | <ul><li>'자연루 투데이넛 너트한줌 후르츠 선물세트 20g, 30봉 / 투데이 하루 견과류 답례품 꿀호두 30봉 세트 (#M)식품>농산물>견과류>혼합견과/견과류세트 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 혼합견과/견과류세트'</li><li>'견과류 답례품 믹스너트 기업 회사 명절 단체 견과 허니버터 믹스넛 선물 2종 세트 2종선물세트+메세지카드+쇼핑백♥ (#M)식품>농산물>견과류>혼합견과/견과류세트 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 혼합견과/견과류세트'</li><li>'오담견과 수제견과강정 선물세트 2호 48개입 견과류바_O_X (#M)식품>농산물>견과류>혼합견과/견과류세트 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 혼합견과/견과류세트'</li></ul> |
77
+ | 2.0 | <ul><li>'필리핀 골든사바 바나나칩 100g 5개입 10개입 1개입 (#M)식품>농산물>건과류>건바나나 T200 > Naverstore > 식품 > 견과류/건과류 > 건과류 > 건바나나'</li><li>'건바나나칩 1kgx3봉 (#M)식품>농산물>건과류>건바나나 T200 > Naverstore > 식품 > 견과류/건과류 > 건과류 > 건바나나'</li><li>'필리핀 조비스 바나나칩 모음전 조비스 바나나칩 320g (#M)식품>농산물>건과류>건바나나 T200 > Naverstore > 식품 > 견과류/건과류 > 건과류 > 건바나나'</li></ul> |
78
+ | 3.0 | <ul><li>'테일러팜스 푸룬 건자두 250gx5봉 & 건과일 모음전(무화과, 데이츠, 블랙체리) 09.말린 데이츠 50g x5봉 (#M)식품>농산물>건과류>건자두 T200 > Naverstore > 식품 > 견과류/건과류 > 건과류 > 건자두'</li><li>'리우씨앤씨 말린붉은 2.5kg 수입중국산 건대추 한박스(포장변동될수있슴) 2.5k (#M)식품>농산물>건과류>건자두 T200 > Naverstore > 식품 > 견과류/건과류 > 건과류 > 건자두'</li><li>'푸룬 건자두 씨를뺀 말린자두 하루 40g 20봉 30봉 500g 4.푸룬건자두 50봉 (기간한정 이벤트+5봉) (#M)식품>농산물>건과류>건자두 T200 > Naverstore > 식품 > 견과류/건과류 > 건과류 > 건자두'</li></ul> |
79
+ | 6.0 | <ul><li>'더하루 동결건조 과일칩 야채칩 무설탕국산연근칩 딸기 반건조 무화과 잭푸르트 건강 간식 오크라칩 (#M)식품>농산물>건과류>기타건과류 T200 > Naverstore > 식품 > 견과류/건과류 > 건과류 > 기타건과류'</li><li>'건조과일13종 과일칩 건과일 과일말랭이 오렌지칩(35g) (#M)식품>농산물>건과류>기타건과류 T200 > Naverstore > 식품 > 견과류/건과류 > 건과류 > 기타건과류'</li><li>'반건조 무화과 2kg 건과일 말린무화과 터키산 Taris 반건조 무화과 2kg (#M)식품>농산물>건과류>기타건과류 T200 > Naverstore > 식품 > 견과류/건과류 > 건과류 > 기타건과류'</li></ul> |
80
+ | 20.0 | <ul><li>'해씨초코볼 27g 5개 (#M)식품>농산물>견과류>호박씨 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 호박씨'</li><li>'호박씨 1kg 구운호박씨 최신통과 AAA등급 국가별 햇상품 KG 중국산 생호박씨 1kg (#M)식품>농산물>견과류>호박씨 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 호박씨'</li><li>'호박씨(맛깔 1K) (#M)식품>농산물>견과류>호박씨 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 호박씨'</li></ul> |
81
+ | 15.0 | <ul><li>'너츠빌 구운 캐슈넛 1kg - 베트남 생캐슈넛1kg 베트남 구운캐슈넛1kg (#M)식품>농산물>견과류>캐슈너트 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 캐슈너트'</li><li>'베트남 껍질 구운캐슈넛 500g 알큰 캐슈넛 500g 1개 (#M)식품>농산물>견과류>캐슈너트 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 캐슈너트'</li><li>'커클랜드 시그니춰 무염캐슈 1.13kg 코스트코견과류 코스트코캐슈넛 건강한간식 요거트토핑 어린이간식 온가족간식 샐러드토핑 맛있는스낵 (#M)식품>농산물>견과류>캐슈너트 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 캐슈너트'</li></ul> |
82
+ | 4.0 | <ul><li>'[대용량박스딜] 믹스베리 1kg x 9팩 크렌베리 건포도 건블루베리 (#M)식품>농산물>건과류>건포도 T200 > Naverstore > 식품 > 견과류/건과류 > 건과류 > 건포도'</li><li>'미국 건강식품 SunMaid 캘리포니아산 믹스 점보 건포도 340g(12oz) 중년 여성 (#M)식품>농산물>건과류>건포도 T200 > Naverstore > 식품 > 견과류/건과류 > 건과류 > 건포도'</li><li>'[200g] 건조 샤인머스켓S 건조샤인 건과일 건포도 김천/영천 마켓이루팜 (#M)식품>농산물>건과류>건포도 T200 > Naverstore > 식품 > 견과류/건과류 > 건과류 > 건포도'</li></ul> |
83
+ | 0.0 | <ul><li>'청도농협 감말랭이 1Kg 절약형(가정용) / 실속형(선물용) 청도농협 감말랭이 1kg_절약형(지퍼팩) 1개 (#M)식품>농산물>건과류>감말랭이 T200 > Naverstore > 식품 > 견과류/건과류 > 건과류 > 감말랭이'</li><li>'달콤쫀득 청도 감말랭이 300g, 500g, 1kg 지퍼백 500g (지퍼백) (#M)식품>농산물>건과류>감말랭이 T200 > Naverstore > 식품 > 견과류/건과류 > 건과류 > 감말랭이'</li><li>'상주 대봉감말랭이 1kg 상주 호랑이 감말랭이 1kg (#M)식품>농산물>건과류>감말랭이 T200 > Naverstore > 식품 > 견과류/건과류 > 건과류 > 감말랭이'</li></ul> |
84
+ | 12.0 | <ul><li>'햇 아몬드 1kg 당일 구운아몬드 슬라이스 볶은 생아몬드 볶음 비건 100% 아몬드가루 1kg (#M)식품>농산물>견과류>아몬드 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 아몬드'</li><li>'바프 허니버터 아몬드 120g 와사비 군옥수수 마늘빵 쿠키앤크림 티라미수 구운양파 김 맛 아몬드_40g 8종세트(허와군마카쿠인체) (#M)식품>농산물>견과류>아몬드 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 아몬드'</li><li>'머거본 선물세트 실��형 2호 프리미엄 2호 선택 실속형 2호 (#M)식품>농산물>견과류>아몬드 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 아몬드'</li></ul> |
85
+ | 19.0 | <ul><li>'깐호두 700g (#M)식품>농산물>견과류>호두 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 호두'</li><li>'(옵션선택) 대상웰라이프 뉴케어 당플랜 호두맛 200 mL 30팩+당플랜 인절미맛 200 mL 30팩 균형영양식 인절미맛 30팩+검은깨맛 30팩 (#M)식품>건강식품>환자식/영양보충식 KGC > naver_plus_traverse_extension > Naverstore > 건강식품 > 환자식/영양보충식'</li><li>'대상웰라이프 뉴케어 당플랜 호두맛 200ml 30팩+30팩 균형영양식 (#M)식품>건강식품>환자식/영양보충식 KGC > brand_store > Naverstore > dswellife브랜드스토어 > 뉴케어'</li></ul> |
86
+ | 18.0 | <ul><li>'베트남 롯데마트 해바라기씨 코코넛맛 130g 10세트 매운맛 10개 (#M)식품>농산물>견과류>해바라기씨 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 해바라기씨'</li><li>'해바라기씨 까먹는 중국해바리기씨 꽈즈 껍질해바라기씨 사토 고양이 고양이해바라기씨 (#M)식품>농산물>견과류>해바라기씨 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 해바라기씨'</li><li>'사조 해표 해바라기유 900ml x3 (#M)식품>농산물>견과류>해바라기씨 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 해바라기씨'</li></ul> |
87
+ | 8.0 | <ul><li>'당도높은 2023년 건대추 말린 대추 500g 건조 대추 사과대추 왕대추 생대추 MS_건대추 500g(30mm이상) (#M)식품>농산물>견과류>대추 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 대추'</li><li>'2023년 아산 햇 싱싱 사과 대추 2kg 중(40-50과) (#M)식품>농산물>견과류>대추 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 대추'</li><li>'23년 보은대추 달콤아삭 고당도 사과대추 생대추 1kg 생대추 1kg (22~24mm) (#M)식품>농산물>견과류>대추 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 대추'</li></ul> |
88
+ | 16.0 | <ul><li>'원더풀피스타치오 노 쉘 로스티드 솔티드 170g 4통 (#M)식품>농산물>견과류>피스타치오 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 피스타치오'</li><li>'산과들에 22년산 미국산 피스타치오 (생 볶음 구운) 400gx2봉 (견과) 구운피스타치오(염)400gx2봉 (#M)식품>농산물>견과류>피스타치오 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 피스타치오'</li><li>'[리치팜너트] 탈각피스타치오 250g 2팩 견과류 피스타치오 (#M)식품>농산물>견과류>피스타치오 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 피스타치오'</li></ul> |
89
+ | 14.0 | <ul><li>'중국산 잣 백두산잣 수입잣 생잣 작은알 큰알 야생 2 캔 (총 500g)_큰알 (#M)식품>농산물>견과류>잣 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 잣'</li><li>'가평잣 황잣 백잣 3캔 잣선물세트 (5캔)백잣140g(3개)+황잣140g(2개) (#M)식품>농산물>견과류>잣 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 잣'</li><li>'국산잣170g x 16봉 견과류 잣 (#M)식품>농산물>견과류>잣 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 잣'</li></ul> |
90
+ | 13.0 | <ul><li>'국산 은행열매 피은행 은행알 1kg 토종 은행 딱딱한 껍질있는 피은행(소) 1KG (#M)식품>농산물>견과류>은행 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 은행'</li><li>'은행 열매 깐은행 피은행 구이 은행알 1kg 깐은행 [대 사이즈] 500g (#M)식품>농산물>견과류>은행 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 은행'</li><li>'깐은행 피은행 2022년 먹는 국산 햇 생 누드 은행 알 열매 500g 1kg 깐은행(특대) 500g (#M)식품>농산물>견과류>은행 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 은행'</li></ul> |
91
+ | 9.0 | <ul><li>'서래푸드 볶음땅콩 반태 1kg+1kg 미국산 (#M)식품>농산물>견과류>땅콩 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 땅콩'</li><li>'국산볶음땅콩300g x 5팩 견과류 구운땅콩 (#M)식품>농산물>견과류>땅콩 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 땅콩'</li><li>'23년 국산땅콩 고소한 여주생땅콩 볶음땅콩 300g 500g 1kg 1. 볶음땅콩 300g (#M)식품>농산물>견과류>땅콩 T200 > Naverstore > 식품 > 견과류/건과류 > ���과류 > 땅콩'</li></ul> |
92
+
93
+ ## Evaluation
94
+
95
+ ### Metrics
96
+ | Label | Accuracy |
97
+ |:--------|:---------|
98
+ | **all** | 0.9995 |
99
+
100
+ ## Uses
101
+
102
+ ### Direct Use for Inference
103
+
104
+ First install the SetFit library:
105
+
106
+ ```bash
107
+ pip install setfit
108
+ ```
109
+
110
+ Then you can load this model and run inference.
111
+
112
+ ```python
113
+ from setfit import SetFitModel
114
+
115
+ # Download from the 🤗 Hub
116
+ model = SetFitModel.from_pretrained("mini1013/master_cate_top_fd3")
117
+ # Run inference
118
+ preds = model("올가 피스타치오(유기농) (100g) (#M)식품>농산물>견과류>피스타치오 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 피스타치오")
119
+ ```
120
+
121
+ <!--
122
+ ### Downstream Use
123
+
124
+ *List how someone could finetune this model on their own dataset.*
125
+ -->
126
+
127
+ <!--
128
+ ### Out-of-Scope Use
129
+
130
+ *List how the model may foreseeably be misused and address what users ought not to do with the model.*
131
+ -->
132
+
133
+ <!--
134
+ ## Bias, Risks and Limitations
135
+
136
+ *What are the known or foreseeable issues stemming from this model? You could also flag here known failure cases or weaknesses of the model.*
137
+ -->
138
+
139
+ <!--
140
+ ### Recommendations
141
+
142
+ *What are recommendations with respect to the foreseeable issues? For example, filtering explicit content.*
143
+ -->
144
+
145
+ ## Training Details
146
+
147
+ ### Training Set Metrics
148
+ | Training set | Min | Median | Max |
149
+ |:-------------|:----|:--------|:----|
150
+ | Word count | 14 | 21.3455 | 44 |
151
+
152
+ | Label | Training Sample Count |
153
+ |:------|:----------------------|
154
+ | 0.0 | 50 |
155
+ | 1.0 | 50 |
156
+ | 2.0 | 50 |
157
+ | 3.0 | 50 |
158
+ | 4.0 | 50 |
159
+ | 5.0 | 50 |
160
+ | 6.0 | 50 |
161
+ | 7.0 | 50 |
162
+ | 8.0 | 50 |
163
+ | 9.0 | 50 |
164
+ | 10.0 | 50 |
165
+ | 11.0 | 50 |
166
+ | 12.0 | 50 |
167
+ | 13.0 | 50 |
168
+ | 14.0 | 50 |
169
+ | 15.0 | 50 |
170
+ | 16.0 | 50 |
171
+ | 17.0 | 50 |
172
+ | 18.0 | 50 |
173
+ | 19.0 | 50 |
174
+ | 20.0 | 50 |
175
+ | 21.0 | 50 |
176
+
177
+ ### Training Hyperparameters
178
+ - batch_size: (64, 64)
179
+ - num_epochs: (20, 20)
180
+ - max_steps: -1
181
+ - sampling_strategy: oversampling
182
+ - num_iterations: 30
183
+ - body_learning_rate: (2e-05, 1e-05)
184
+ - head_learning_rate: 0.01
185
+ - loss: CosineSimilarityLoss
186
+ - distance_metric: cosine_distance
187
+ - margin: 0.25
188
+ - end_to_end: False
189
+ - use_amp: False
190
+ - warmup_proportion: 0.1
191
+ - l2_weight: 0.01
192
+ - seed: 42
193
+ - eval_max_steps: -1
194
+ - load_best_model_at_end: False
195
+
196
+ ### Training Results
197
+ | Epoch | Step | Training Loss | Validation Loss |
198
+ |:-------:|:-----:|:-------------:|:---------------:|
199
+ | 0.0019 | 1 | 0.5252 | - |
200
+ | 0.0969 | 50 | 0.4976 | - |
201
+ | 0.1938 | 100 | 0.4278 | - |
202
+ | 0.2907 | 150 | 0.284 | - |
203
+ | 0.3876 | 200 | 0.1919 | - |
204
+ | 0.4845 | 250 | 0.0728 | - |
205
+ | 0.5814 | 300 | 0.0359 | - |
206
+ | 0.6783 | 350 | 0.0246 | - |
207
+ | 0.7752 | 400 | 0.0175 | - |
208
+ | 0.8721 | 450 | 0.014 | - |
209
+ | 0.9690 | 500 | 0.0099 | - |
210
+ | 1.0659 | 550 | 0.0103 | - |
211
+ | 1.1628 | 600 | 0.0108 | - |
212
+ | 1.2597 | 650 | 0.0094 | - |
213
+ | 1.3566 | 700 | 0.0107 | - |
214
+ | 1.4535 | 750 | 0.0078 | - |
215
+ | 1.5504 | 800 | 0.0027 | - |
216
+ | 1.6473 | 850 | 0.0019 | - |
217
+ | 1.7442 | 900 | 0.0014 | - |
218
+ | 1.8411 | 950 | 0.0029 | - |
219
+ | 1.9380 | 1000 | 0.0023 | - |
220
+ | 2.0349 | 1050 | 0.0012 | - |
221
+ | 2.1318 | 1100 | 0.0017 | - |
222
+ | 2.2287 | 1150 | 0.0021 | - |
223
+ | 2.3256 | 1200 | 0.0014 | - |
224
+ | 2.4225 | 1250 | 0.0003 | - |
225
+ | 2.5194 | 1300 | 0.0001 | - |
226
+ | 2.6163 | 1350 | 0.0001 | - |
227
+ | 2.7132 | 1400 | 0.0001 | - |
228
+ | 2.8101 | 1450 | 0.0001 | - |
229
+ | 2.9070 | 1500 | 0.0001 | - |
230
+ | 3.0039 | 1550 | 0.0001 | - |
231
+ | 3.1008 | 1600 | 0.0001 | - |
232
+ | 3.1977 | 1650 | 0.0001 | - |
233
+ | 3.2946 | 1700 | 0.0001 | - |
234
+ | 3.3915 | 1750 | 0.0001 | - |
235
+ | 3.4884 | 1800 | 0.0001 | - |
236
+ | 3.5853 | 1850 | 0.0 | - |
237
+ | 3.6822 | 1900 | 0.0 | - |
238
+ | 3.7791 | 1950 | 0.0 | - |
239
+ | 3.8760 | 2000 | 0.0 | - |
240
+ | 3.9729 | 2050 | 0.0 | - |
241
+ | 4.0698 | 2100 | 0.0 | - |
242
+ | 4.1667 | 2150 | 0.0 | - |
243
+ | 4.2636 | 2200 | 0.0 | - |
244
+ | 4.3605 | 2250 | 0.0 | - |
245
+ | 4.4574 | 2300 | 0.0001 | - |
246
+ | 4.5543 | 2350 | 0.0 | - |
247
+ | 4.6512 | 2400 | 0.0 | - |
248
+ | 4.7481 | 2450 | 0.0 | - |
249
+ | 4.8450 | 2500 | 0.0 | - |
250
+ | 4.9419 | 2550 | 0.0 | - |
251
+ | 5.0388 | 2600 | 0.0 | - |
252
+ | 5.1357 | 2650 | 0.0 | - |
253
+ | 5.2326 | 2700 | 0.0 | - |
254
+ | 5.3295 | 2750 | 0.0 | - |
255
+ | 5.4264 | 2800 | 0.0 | - |
256
+ | 5.5233 | 2850 | 0.0 | - |
257
+ | 5.6202 | 2900 | 0.0 | - |
258
+ | 5.7171 | 2950 | 0.0 | - |
259
+ | 5.8140 | 3000 | 0.0 | - |
260
+ | 5.9109 | 3050 | 0.0 | - |
261
+ | 6.0078 | 3100 | 0.0 | - |
262
+ | 6.1047 | 3150 | 0.0 | - |
263
+ | 6.2016 | 3200 | 0.0 | - |
264
+ | 6.2984 | 3250 | 0.0 | - |
265
+ | 6.3953 | 3300 | 0.0 | - |
266
+ | 6.4922 | 3350 | 0.0 | - |
267
+ | 6.5891 | 3400 | 0.0 | - |
268
+ | 6.6860 | 3450 | 0.0 | - |
269
+ | 6.7829 | 3500 | 0.0 | - |
270
+ | 6.8798 | 3550 | 0.0 | - |
271
+ | 6.9767 | 3600 | 0.0 | - |
272
+ | 7.0736 | 3650 | 0.0 | - |
273
+ | 7.1705 | 3700 | 0.0 | - |
274
+ | 7.2674 | 3750 | 0.0 | - |
275
+ | 7.3643 | 3800 | 0.0 | - |
276
+ | 7.4612 | 3850 | 0.0 | - |
277
+ | 7.5581 | 3900 | 0.0 | - |
278
+ | 7.6550 | 3950 | 0.0 | - |
279
+ | 7.7519 | 4000 | 0.0 | - |
280
+ | 7.8488 | 4050 | 0.0 | - |
281
+ | 7.9457 | 4100 | 0.0 | - |
282
+ | 8.0426 | 4150 | 0.0 | - |
283
+ | 8.1395 | 4200 | 0.0 | - |
284
+ | 8.2364 | 4250 | 0.0 | - |
285
+ | 8.3333 | 4300 | 0.0 | - |
286
+ | 8.4302 | 4350 | 0.0 | - |
287
+ | 8.5271 | 4400 | 0.0 | - |
288
+ | 8.6240 | 4450 | 0.0 | - |
289
+ | 8.7209 | 4500 | 0.0 | - |
290
+ | 8.8178 | 4550 | 0.0 | - |
291
+ | 8.9147 | 4600 | 0.0 | - |
292
+ | 9.0116 | 4650 | 0.0 | - |
293
+ | 9.1085 | 4700 | 0.0 | - |
294
+ | 9.2054 | 4750 | 0.0 | - |
295
+ | 9.3023 | 4800 | 0.0 | - |
296
+ | 9.3992 | 4850 | 0.0 | - |
297
+ | 9.4961 | 4900 | 0.0 | - |
298
+ | 9.5930 | 4950 | 0.0 | - |
299
+ | 9.6899 | 5000 | 0.0 | - |
300
+ | 9.7868 | 5050 | 0.0 | - |
301
+ | 9.8837 | 5100 | 0.0 | - |
302
+ | 9.9806 | 5150 | 0.0 | - |
303
+ | 10.0775 | 5200 | 0.0 | - |
304
+ | 10.1744 | 5250 | 0.0 | - |
305
+ | 10.2713 | 5300 | 0.0 | - |
306
+ | 10.3682 | 5350 | 0.0 | - |
307
+ | 10.4651 | 5400 | 0.0 | - |
308
+ | 10.5620 | 5450 | 0.0 | - |
309
+ | 10.6589 | 5500 | 0.0 | - |
310
+ | 10.7558 | 5550 | 0.0 | - |
311
+ | 10.8527 | 5600 | 0.0 | - |
312
+ | 10.9496 | 5650 | 0.0 | - |
313
+ | 11.0465 | 5700 | 0.0 | - |
314
+ | 11.1434 | 5750 | 0.0 | - |
315
+ | 11.2403 | 5800 | 0.0 | - |
316
+ | 11.3372 | 5850 | 0.0 | - |
317
+ | 11.4341 | 5900 | 0.0 | - |
318
+ | 11.5310 | 5950 | 0.0 | - |
319
+ | 11.6279 | 6000 | 0.0 | - |
320
+ | 11.7248 | 6050 | 0.0 | - |
321
+ | 11.8217 | 6100 | 0.0 | - |
322
+ | 11.9186 | 6150 | 0.0 | - |
323
+ | 12.0155 | 6200 | 0.0 | - |
324
+ | 12.1124 | 6250 | 0.0 | - |
325
+ | 12.2093 | 6300 | 0.0 | - |
326
+ | 12.3062 | 6350 | 0.0 | - |
327
+ | 12.4031 | 6400 | 0.0 | - |
328
+ | 12.5 | 6450 | 0.0 | - |
329
+ | 12.5969 | 6500 | 0.0 | - |
330
+ | 12.6938 | 6550 | 0.0 | - |
331
+ | 12.7907 | 6600 | 0.0 | - |
332
+ | 12.8876 | 6650 | 0.0 | - |
333
+ | 12.9845 | 6700 | 0.0 | - |
334
+ | 13.0814 | 6750 | 0.0 | - |
335
+ | 13.1783 | 6800 | 0.0 | - |
336
+ | 13.2752 | 6850 | 0.0 | - |
337
+ | 13.3721 | 6900 | 0.0 | - |
338
+ | 13.4690 | 6950 | 0.0 | - |
339
+ | 13.5659 | 7000 | 0.0 | - |
340
+ | 13.6628 | 7050 | 0.0 | - |
341
+ | 13.7597 | 7100 | 0.0 | - |
342
+ | 13.8566 | 7150 | 0.0 | - |
343
+ | 13.9535 | 7200 | 0.0 | - |
344
+ | 14.0504 | 7250 | 0.0 | - |
345
+ | 14.1473 | 7300 | 0.0 | - |
346
+ | 14.2442 | 7350 | 0.0 | - |
347
+ | 14.3411 | 7400 | 0.0 | - |
348
+ | 14.4380 | 7450 | 0.0 | - |
349
+ | 14.5349 | 7500 | 0.0 | - |
350
+ | 14.6318 | 7550 | 0.0 | - |
351
+ | 14.7287 | 7600 | 0.0 | - |
352
+ | 14.8256 | 7650 | 0.0 | - |
353
+ | 14.9225 | 7700 | 0.0 | - |
354
+ | 15.0194 | 7750 | 0.0 | - |
355
+ | 15.1163 | 7800 | 0.0 | - |
356
+ | 15.2132 | 7850 | 0.0 | - |
357
+ | 15.3101 | 7900 | 0.0 | - |
358
+ | 15.4070 | 7950 | 0.0 | - |
359
+ | 15.5039 | 8000 | 0.0 | - |
360
+ | 15.6008 | 8050 | 0.0 | - |
361
+ | 15.6977 | 8100 | 0.0 | - |
362
+ | 15.7946 | 8150 | 0.0 | - |
363
+ | 15.8915 | 8200 | 0.0 | - |
364
+ | 15.9884 | 8250 | 0.0 | - |
365
+ | 16.0853 | 8300 | 0.0 | - |
366
+ | 16.1822 | 8350 | 0.0 | - |
367
+ | 16.2791 | 8400 | 0.0 | - |
368
+ | 16.3760 | 8450 | 0.0 | - |
369
+ | 16.4729 | 8500 | 0.0 | - |
370
+ | 16.5698 | 8550 | 0.0 | - |
371
+ | 16.6667 | 8600 | 0.0 | - |
372
+ | 16.7636 | 8650 | 0.0 | - |
373
+ | 16.8605 | 8700 | 0.0 | - |
374
+ | 16.9574 | 8750 | 0.0 | - |
375
+ | 17.0543 | 8800 | 0.0 | - |
376
+ | 17.1512 | 8850 | 0.0 | - |
377
+ | 17.2481 | 8900 | 0.0 | - |
378
+ | 17.3450 | 8950 | 0.0 | - |
379
+ | 17.4419 | 9000 | 0.0 | - |
380
+ | 17.5388 | 9050 | 0.0 | - |
381
+ | 17.6357 | 9100 | 0.0 | - |
382
+ | 17.7326 | 9150 | 0.0 | - |
383
+ | 17.8295 | 9200 | 0.0 | - |
384
+ | 17.9264 | 9250 | 0.0 | - |
385
+ | 18.0233 | 9300 | 0.0 | - |
386
+ | 18.1202 | 9350 | 0.0 | - |
387
+ | 18.2171 | 9400 | 0.0 | - |
388
+ | 18.3140 | 9450 | 0.0 | - |
389
+ | 18.4109 | 9500 | 0.0 | - |
390
+ | 18.5078 | 9550 | 0.0 | - |
391
+ | 18.6047 | 9600 | 0.0 | - |
392
+ | 18.7016 | 9650 | 0.0 | - |
393
+ | 18.7984 | 9700 | 0.0 | - |
394
+ | 18.8953 | 9750 | 0.0 | - |
395
+ | 18.9922 | 9800 | 0.0 | - |
396
+ | 19.0891 | 9850 | 0.0 | - |
397
+ | 19.1860 | 9900 | 0.0 | - |
398
+ | 19.2829 | 9950 | 0.0 | - |
399
+ | 19.3798 | 10000 | 0.0 | - |
400
+ | 19.4767 | 10050 | 0.0 | - |
401
+ | 19.5736 | 10100 | 0.0 | - |
402
+ | 19.6705 | 10150 | 0.0 | - |
403
+ | 19.7674 | 10200 | 0.0 | - |
404
+ | 19.8643 | 10250 | 0.0 | - |
405
+ | 19.9612 | 10300 | 0.0 | - |
406
+
407
+ ### Framework Versions
408
+ - Python: 3.10.12
409
+ - SetFit: 1.1.0
410
+ - Sentence Transformers: 3.3.1
411
+ - Transformers: 4.44.2
412
+ - PyTorch: 2.2.0a0+81ea7a4
413
+ - Datasets: 3.2.0
414
+ - Tokenizers: 0.19.1
415
+
416
+ ## Citation
417
+
418
+ ### BibTeX
419
+ ```bibtex
420
+ @article{https://doi.org/10.48550/arxiv.2209.11055,
421
+ doi = {10.48550/ARXIV.2209.11055},
422
+ url = {https://arxiv.org/abs/2209.11055},
423
+ author = {Tunstall, Lewis and Reimers, Nils and Jo, Unso Eun Seo and Bates, Luke and Korat, Daniel and Wasserblat, Moshe and Pereg, Oren},
424
+ keywords = {Computation and Language (cs.CL), FOS: Computer and information sciences, FOS: Computer and information sciences},
425
+ title = {Efficient Few-Shot Learning Without Prompts},
426
+ publisher = {arXiv},
427
+ year = {2022},
428
+ copyright = {Creative Commons Attribution 4.0 International}
429
+ }
430
+ ```
431
+
432
+ <!--
433
+ ## Glossary
434
+
435
+ *Clearly define terms in order to be accessible across audiences.*
436
+ -->
437
+
438
+ <!--
439
+ ## Model Card Authors
440
+
441
+ *Lists the people who create the model card, providing recognition and accountability for the detailed work that goes into its construction.*
442
+ -->
443
+
444
+ <!--
445
+ ## Model Card Contact
446
+
447
+ *Provides a way for people who have updates to the Model Card, suggestions, or questions, to contact the Model Card authors.*
448
+ -->
config.json ADDED
@@ -0,0 +1,29 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "_name_or_path": "mini1013/master_domain",
3
+ "architectures": [
4
+ "RobertaModel"
5
+ ],
6
+ "attention_probs_dropout_prob": 0.1,
7
+ "bos_token_id": 0,
8
+ "classifier_dropout": null,
9
+ "eos_token_id": 2,
10
+ "gradient_checkpointing": false,
11
+ "hidden_act": "gelu",
12
+ "hidden_dropout_prob": 0.1,
13
+ "hidden_size": 768,
14
+ "initializer_range": 0.02,
15
+ "intermediate_size": 3072,
16
+ "layer_norm_eps": 1e-05,
17
+ "max_position_embeddings": 514,
18
+ "model_type": "roberta",
19
+ "num_attention_heads": 12,
20
+ "num_hidden_layers": 12,
21
+ "pad_token_id": 1,
22
+ "position_embedding_type": "absolute",
23
+ "tokenizer_class": "BertTokenizer",
24
+ "torch_dtype": "float32",
25
+ "transformers_version": "4.44.2",
26
+ "type_vocab_size": 1,
27
+ "use_cache": true,
28
+ "vocab_size": 32000
29
+ }
config_sentence_transformers.json ADDED
@@ -0,0 +1,10 @@
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "__version__": {
3
+ "sentence_transformers": "3.3.1",
4
+ "transformers": "4.44.2",
5
+ "pytorch": "2.2.0a0+81ea7a4"
6
+ },
7
+ "prompts": {},
8
+ "default_prompt_name": null,
9
+ "similarity_fn_name": "cosine"
10
+ }
config_setfit.json ADDED
@@ -0,0 +1,4 @@
 
 
 
 
 
1
+ {
2
+ "normalize_embeddings": false,
3
+ "labels": null
4
+ }
model.safetensors ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:e7801f56a8600873bf40c10b26a1b2658f53f02bca296b5d8f4bcc44661c01cb
3
+ size 442494816
model_head.pkl ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:50ddc27583d730eb8e0dc38690c4106c0e41c97a6a137bcc0dd3f29b5a420f02
3
+ size 136327
modules.json ADDED
@@ -0,0 +1,14 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ [
2
+ {
3
+ "idx": 0,
4
+ "name": "0",
5
+ "path": "",
6
+ "type": "sentence_transformers.models.Transformer"
7
+ },
8
+ {
9
+ "idx": 1,
10
+ "name": "1",
11
+ "path": "1_Pooling",
12
+ "type": "sentence_transformers.models.Pooling"
13
+ }
14
+ ]
sentence_bert_config.json ADDED
@@ -0,0 +1,4 @@
 
 
 
 
 
1
+ {
2
+ "max_seq_length": 512,
3
+ "do_lower_case": false
4
+ }
special_tokens_map.json ADDED
@@ -0,0 +1,51 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "bos_token": {
3
+ "content": "[CLS]",
4
+ "lstrip": false,
5
+ "normalized": false,
6
+ "rstrip": false,
7
+ "single_word": false
8
+ },
9
+ "cls_token": {
10
+ "content": "[CLS]",
11
+ "lstrip": false,
12
+ "normalized": false,
13
+ "rstrip": false,
14
+ "single_word": false
15
+ },
16
+ "eos_token": {
17
+ "content": "[SEP]",
18
+ "lstrip": false,
19
+ "normalized": false,
20
+ "rstrip": false,
21
+ "single_word": false
22
+ },
23
+ "mask_token": {
24
+ "content": "[MASK]",
25
+ "lstrip": false,
26
+ "normalized": false,
27
+ "rstrip": false,
28
+ "single_word": false
29
+ },
30
+ "pad_token": {
31
+ "content": "[PAD]",
32
+ "lstrip": false,
33
+ "normalized": false,
34
+ "rstrip": false,
35
+ "single_word": false
36
+ },
37
+ "sep_token": {
38
+ "content": "[SEP]",
39
+ "lstrip": false,
40
+ "normalized": false,
41
+ "rstrip": false,
42
+ "single_word": false
43
+ },
44
+ "unk_token": {
45
+ "content": "[UNK]",
46
+ "lstrip": false,
47
+ "normalized": false,
48
+ "rstrip": false,
49
+ "single_word": false
50
+ }
51
+ }
tokenizer.json ADDED
The diff for this file is too large to render. See raw diff
 
tokenizer_config.json ADDED
@@ -0,0 +1,66 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "added_tokens_decoder": {
3
+ "0": {
4
+ "content": "[CLS]",
5
+ "lstrip": false,
6
+ "normalized": false,
7
+ "rstrip": false,
8
+ "single_word": false,
9
+ "special": true
10
+ },
11
+ "1": {
12
+ "content": "[PAD]",
13
+ "lstrip": false,
14
+ "normalized": false,
15
+ "rstrip": false,
16
+ "single_word": false,
17
+ "special": true
18
+ },
19
+ "2": {
20
+ "content": "[SEP]",
21
+ "lstrip": false,
22
+ "normalized": false,
23
+ "rstrip": false,
24
+ "single_word": false,
25
+ "special": true
26
+ },
27
+ "3": {
28
+ "content": "[UNK]",
29
+ "lstrip": false,
30
+ "normalized": false,
31
+ "rstrip": false,
32
+ "single_word": false,
33
+ "special": true
34
+ },
35
+ "4": {
36
+ "content": "[MASK]",
37
+ "lstrip": false,
38
+ "normalized": false,
39
+ "rstrip": false,
40
+ "single_word": false,
41
+ "special": true
42
+ }
43
+ },
44
+ "bos_token": "[CLS]",
45
+ "clean_up_tokenization_spaces": false,
46
+ "cls_token": "[CLS]",
47
+ "do_basic_tokenize": true,
48
+ "do_lower_case": false,
49
+ "eos_token": "[SEP]",
50
+ "mask_token": "[MASK]",
51
+ "max_length": 512,
52
+ "model_max_length": 512,
53
+ "never_split": null,
54
+ "pad_to_multiple_of": null,
55
+ "pad_token": "[PAD]",
56
+ "pad_token_type_id": 0,
57
+ "padding_side": "right",
58
+ "sep_token": "[SEP]",
59
+ "stride": 0,
60
+ "strip_accents": null,
61
+ "tokenize_chinese_chars": true,
62
+ "tokenizer_class": "BertTokenizer",
63
+ "truncation_side": "right",
64
+ "truncation_strategy": "longest_first",
65
+ "unk_token": "[UNK]"
66
+ }
vocab.txt ADDED
The diff for this file is too large to render. See raw diff