Hugging Face's logo

mogaio
/
pr_ebsa_fr_tran_merged25_e1_end_offsets

Text Classification
setfit
Safetensors
sentence-transformers
xlm-roberta
generated_from_setfit_trainer
Eval Results
Model card Files Community

SetFit with sentence-transformers/paraphrase-multilingual-mpnet-base-v2

This is a SetFit model that can be used for Text Classification. This SetFit model uses sentence-transformers/paraphrase-multilingual-mpnet-base-v2 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:

  1. Fine-tuning a Sentence Transformer with contrastive learning.
  2. Training a classification head with features from the fine-tuned Sentence Transformer.

Model Details

Model Description

Model Sources

Model Labels

Label Examples
pos
  • "Les PHL lèvent 1,26 milliard de dollars grâce aux obligations en dollars de détail\nLE GOUVERNEMENT PHILIPPIN a levé 1,26 milliard de dollars lors de la première émission d'obligations de détail en dollars (RDB) sous l'administration Marcos, a déclaré le ministère des Finances (DoF)"
  • "Atom Egoyan revient à Salomé, l'opéra qu'il a monté en 1996, avec Seven Veils\nAtom Egoyan n'a pas été surpris lorsque la Canadian Opera Company lui a demandé de remonter Salomé pour la saison 2022-23 Atom Egoyan revient à Salomé, l'opéra qu'il a monté en 1996, avec Seven Veils\nAtom Egoyan n'a pas été surpris lorsque la Canadian Opera Company lui a demandé de remonter Salomé pour la saison 2022-23. Avec ses éléments de film et de vidéo, son interprétation psychologique et sombre de l'opéra de Richard Strauss avait un solide palmarès de reprises - depuis sa création en 1996, elle avait été présentée deux fois de plus à la COC et avait été reprise par plusieurs autres compagnies"
  • 'Paul Simon présente un documentaire sur sa carrière\nAprès un documentaire de trois heures et demie sur sa vie, Paul Simon n'avait que de la sympathie pour le public Paul Simon présente un documentaire sur sa carrière\nAprès un documentaire de trois heures et demie sur sa vie, Paul Simon n'avait que de la sympathie pour le public.\nTORONTO >> Après un documentaire de trois heures et demie sur sa vie, Paul Simon n'avait que de la sympathie pour le public "Il n'y a pas de raison que vous soyez épuisés", a dit Simon à la foule après la première du documentaire d'Alex Gibney "In Restless Dreams : The Music of Paul Simon" d'Alex Gibney, dimanche au Festival international du film de Toronto.\nSimon, âgé de 81 ans, n'avait pas regardé le film avant la première, et il ne l'a pas regardé non plus dimanche TORONTO >> Après un documentaire de trois heures et demie sur sa vie, Paul Simon n'avait que de la sympathie pour le public.\n"Il n'y a pas de raison que vous soyez épuisés", a dit Simon à la foule après la première du documentaire d'Alex Gibney "In Restless Dreams : The Music of Paul Simon" d'Alex Gibney, dimanche au Festival international du film de Toronto'
neg
  • 'Le groupe Al-Mostaqilla de l'université du Koweït a appelé les étudiants à organiser un sit-in à l'université du Koweït lundi pour protester contre la décision de mettre fin aux classes mixtes La décision a été prise la semaine dernière par le nouveau ministre de l'éducation, Adel Al-Mane, et le directeur par intérim de l'université du Koweït, Fayez Al-Dhafiri, et mise en œuvre mercredi, trois jours seulement avant le début de la nouvelle année universitaire à la faculté de droit L'association a également demandé au gouvernement de "cesser ses interventions politiques et médiatiques injustifiées" dans les affaires de l'université du Koweït.\nL'association a appelé le directeur par intérim de l'université du Koweït à ne pas céder aux pressions politiques et médiatiques et à s'efforcer de protéger l'indépendance de l'université Dhafiri a déclaré que la décision avait été prise en application de la loi de 1996 qui interdisait l'enseignement mixte à l'université du Koweït, malgré une décision de la Cour constitutionnelle de 2015 autorisant l'enseignement mixte lorsqu'il était nécessaire et dans des cas exceptionnels Parallèlement, l'association des professeurs de l'université du Koweït a publié samedi une déclaration demandant aux députés et au gouvernement de "cesser d'interférer dans les affaires de l'université du Koweït" et de maintenir l'indépendance de l'université "L'université du Koweït était, est et sera toujours le porte-drapeau de la connaissance et des valeurs, à l'abri de toute influence extérieure Le député Abdulwahab Al-Essa a reproché à l'administration de l'université du Koweït d'avoir succombé à la pression politique au détriment de l'intérêt public, ajoutant que l'université du Koweït avait appliqué correctement une décision de la cour constitutionnelle autorisant les classes mixtes chaque fois que cela était nécessaire'
  • "L'immigration étant l'un des défis les plus difficiles à relever pour le président Joe Biden et apparaissant comme un enjeu majeur des élections de l'année prochaine, l'administration délocalise essentiellement la question en s'appuyant sur les pays d'Amérique centrale et d'Amérique du Sud pour empêcher les migrants de se diriger vers le nord"
  • 'Lors d'une réunion d'information mardi, le porte-parole de l'armée, le lieutenant-colonel Richard Hecht, a suggéré que les Palestiniens tentent de quitter la bande de Gaza par le poste-frontière de Rafah, en Égypte.\nLa perspective d'un exode des habitants de Gaza vers le territoire égyptien a alarmé les autorités égyptiennes La question qui se pose est de savoir si Israël lancera une offensive terrestre dans la bande de Gaza, une bande de terre de 25 miles de long coincée entre Israël, l'Égypte et la mer Méditerranée, où vivent 2,3 millions de personnes et qui est gouvernée par le Hamas depuis 2007 Israël pilonne la bande de Gaza ; les habitants se précipitent pour se mettre à l'abri\nJERUSALEM - Les avions de combat israéliens ont bombardé la bande de Gaza quartier par quartier mardi, réduisant les bâtiments en ruines et poussant les habitants à se précipiter pour se mettre à l'abri dans ce minuscule territoire isolé, alors qu'Israël promet des représailles pour l'attaque surprise du Hamas du week-end qui "se répercuteront Les autorités égyptiennes discutent avec Israël et les États-Unis afin de mettre en place des corridors humanitaires dans la bande de Gaza pour acheminer l'aide, a déclaré un responsable égyptien. Des négociations sont en cours avec les Israéliens pour que la zone autour du point de passage de Rafah entre l'Égypte et Gaza soit déclarée "zone d'interdiction de feu", a déclaré le responsable, sous couvert d'anonymat car il n'était pas autorisé à parler aux médias'
obj
  • "L'économie pèse sur les Américains Ils sont plus nombreux à faire confiance à Trump qu'à Biden pour alléger leur fardeau\nWASHINGTON - Linda Muñoz a peur de l'économie Trump, le candidat républicain à la primaire de 2024, pour améliorer l'économie, avec une marge de 47 % à 36 %. L'écart est de 46 %-26 % en faveur de M. Trump parmi les électeurs indépendants Presque tous les républicains interrogés ont exprimé leur pessimisme à l'égard de l'économie, selon le sondage : 96 % d'entre eux estiment que la situation se dégrade au lieu de s'améliorer Le logement. L'essence. Tous ces éléments poussent les gens à s'endetter de plus en plus, disent-ils.\nSelon le sondage, près de 70 % des Américains estiment que la situation économique se dégrade, tandis que 22 % seulement estiment qu'elle s'améliore L'économie pèse sur les Américains Ils sont plus nombreux à faire confiance à Trump qu'à Biden pour alléger leur fardeau\nWASHINGTON - Linda Muñoz a peur de l'économie. Elle a puisé dans son épargne d'urgence cette année. Et elle ne croit pas que le président Joe Biden ressente sa douleur L'épicerie. Le logement. L'essence. Tous ces éléments poussent les gens à s'endetter de plus en plus, disent-ils.\nSelon le sondage, près de 70 % des Américains estiment que la situation économique se dégrade, tandis que 22 % seulement estiment qu'elle s'améliore"
  • 'Le Pentagone va interroger d'autres militaires sur l'attentat suicide de l'aéroport de Kaboul en 2021\nLe commandement central du Pentagone a ordonné l'audition d'une vingtaine de militaires supplémentaires qui se trouvaient à l'aéroport de Kaboul lorsque des kamikazes ont attaqué pendant le retrait chaotique des forces américaines d'Afghanistan, alors que les critiques persistent sur le fait que l'attaque meurtrière aurait pu être stoppée Certaines familles des personnes tuées ou blessées se sont plaintes que le Pentagone n'avait pas fait preuve de suffisamment de transparence au sujet de l'attentat à la bombe qui a tué 170 Afghans\net 13 militaires américains.\nL'enquête du commandement central américain a conclu en novembre 2021 qu'étant donné la détérioration de la sécurité à la porte de l'Abbaye de l'aéroport alors que les Afghans cherchaient de plus en plus à fuir, "l'attaque n'aurait pas pu être évitée au niveau tactique sans dégrader la mission visant à maximiser le nombre d'évacués" Le Pentagone a déclaré que l'examen de l'attentat suicide n'avait révélé aucune identification préalable d'un attaquant possible ni aucune demande d'"escalade des règles d'engagement existantes" régissant l'utilisation de la force par les troupes américaines'
  • 'Les retombées de la guerre se répercutent sur les lieux de travail aux États-Unis.\nNEW YORK - Les retombées de la guerre entre Israël et le Hamas se sont répandues sur les lieux de travail partout dans le monde, les dirigeants de grandes entreprises exprimant leur point de vue tandis que les travailleurs se plaignent de ne pas être entendus "À quoi me sert mon travail si je compromets ma propre morale et mon éthique ?\nL'un des conflits les plus importants s'est produit chez Starbucks après que Starbucks Workers United, un syndicat représentant 9 000 travailleurs dans plus de 360 magasins aux États-Unis, a tweeté "Solidarité avec la Palestine" deux jours après l'attaque du Hamas. Le tweet a été supprimé au bout de 40 minutes, mais l'entreprise a déclaré qu'il avait donné lieu à plus de 1 000 plaintes, à des actes de vandalisme et à des affrontements dans ses magasins NEW YORK - Les retombées de la guerre entre Israël et le Hamas se sont répandues sur les lieux de travail partout dans le monde, les dirigeants de grandes entreprises exprimant leur point de vue tandis que les travailleurs se plaignent de ne pas être entendus'

Evaluation

Metrics

Label Accuracy_Score Classification_Report
all 0.9435 {'0': {'precision': 0.9361702127659575, 'recall': 0.9322033898305084, 'f1-score': 0.9341825902335456, 'support': 236}, '1': {'precision': 0.9333333333333333, 'recall': 0.9302325581395349, 'f1-score': 0.9317803660565723, 'support': 301}, '2': {'precision': 0.9646017699115044, 'recall': 0.9732142857142857, 'f1-score': 0.9688888888888889, 'support': 224}, 'accuracy': 0.9434954007884363, 'macro avg': {'precision': 0.9447017720035985, 'recall': 0.945216744561443, 'f1-score': 0.9449506150596689, 'support': 761}, 'weighted avg': {'precision': 0.9434169513880108, 'recall': 0.9434954007884363, 'f1-score': 0.9434482162802315, 'support': 761}}

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("mogaio/pr_ebsa_fr_tran_merged25_e1_end_offsets")
# Run inference
preds = model("Adil Hussain
Adil Hussain est reconnaissant d'avoir reçu l'enseignement de l'acteur Naseeruddin Shah à l'époque où il fréquentait l'École nationale d'art dramatique")

Training Details

Training Set Metrics

Training set Min Median Max
Word count 9 247.2638 2089
Label Training Sample Count
neg 913
obj 1216
pos 911

Training Hyperparameters

  • batch_size: (8, 8)
  • num_epochs: (1, 1)
  • max_steps: -1
  • sampling_strategy: oversampling
  • num_iterations: 1
  • 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
0.0013 1 0.3703 -
0.0658 50 0.3145 -
0.1316 100 0.1839 -
0.1974 150 0.2558 -
0.2632 200 0.2683 -
0.3289 250 0.1572 -
0.3947 300 0.1953 -
0.4605 350 0.171 -
0.5263 400 0.2326 -
0.5921 450 0.1762 -
0.6579 500 0.2818 -
0.7237 550 0.2733 -
0.7895 600 0.195 -
0.8553 650 0.2104 -
0.9211 700 0.2124 -
0.9868 750 0.0818 -
1.0526 800 0.1046 -
1.1184 850 0.1633 -
1.1842 900 0.3207 -
1.25 950 0.2703 -
1.3158 1000 0.1934 -
1.3816 1050 0.2547 -
1.4474 1100 0.0933 -
1.5132 1150 0.2102 -
1.5789 1200 0.0699 -
1.6447 1250 0.1778 -
1.7105 1300 0.1796 -
1.7763 1350 0.0221 -
1.8421 1400 0.2154 -
1.9079 1450 0.1683 -
1.9737 1500 0.3096 -
2.0395 1550 0.201 -
2.1053 1600 0.1954 -
2.1711 1650 0.2301 -
2.2368 1700 0.1141 -
2.3026 1750 0.1949 -
2.3684 1800 0.164 -
2.4342 1850 0.2307 -
2.5 1900 0.1912 -
2.5658 1950 0.2349 -
2.6316 2000 0.0922 -
2.6974 2050 0.0702 -
2.7632 2100 0.1089 -
2.8289 2150 0.1711 -
2.8947 2200 0.1432 -
2.9605 2250 0.2739 -
3.0263 2300 0.1889 -
3.0921 2350 0.1036 -
3.1579 2400 0.1372 -
3.2237 2450 0.028 -
3.2895 2500 0.1739 -
3.3553 2550 0.142 -
3.4211 2600 0.0838 -
3.4868 2650 0.0657 -
3.5526 2700 0.0054 -
3.6184 2750 0.0426 -
3.6842 2800 0.1974 -
3.75 2850 0.0279 -
3.8158 2900 0.1326 -
3.8816 2950 0.1614 -
3.9474 3000 0.1251 -
4.0132 3050 0.1174 -
4.0789 3100 0.1948 -
4.1447 3150 0.0555 -
4.2105 3200 0.0064 -
4.2763 3250 0.064 -
4.3421 3300 0.0013 -
4.4079 3350 0.135 -
4.4737 3400 0.0574 -
4.5395 3450 0.174 -
4.6053 3500 0.2199 -
4.6711 3550 0.387 -
4.7368 3600 0.114 -
4.8026 3650 0.0853 -
4.8684 3700 0.0325 -
4.9342 3750 0.019 -
5.0 3800 0.0572 -
0.0013 1 0.1435 -
0.0658 50 0.0969 -
0.1316 100 0.1085 -
0.1974 150 0.0271 -
0.2632 200 0.0138 -
0.3289 250 0.058 -
0.3947 300 0.1205 -
0.4605 350 0.0788 -
0.5263 400 0.1449 -
0.5921 450 0.0383 -
0.6579 500 0.0338 -
0.7237 550 0.1253 -
0.7895 600 0.069 -
0.8553 650 0.104 -
0.9211 700 0.0462 -
0.9868 750 0.1975 -
1.0526 800 0.0241 -
1.1184 850 0.0426 -
1.1842 900 0.0519 -
1.25 950 0.0815 -
1.3158 1000 0.1839 -
1.3816 1050 0.0198 -
1.4474 1100 0.0128 -
1.5132 1150 0.1645 -
1.5789 1200 0.0019 -
1.6447 1250 0.0557 -
1.7105 1300 0.0098 -
1.7763 1350 0.001 -
1.8421 1400 0.1557 -
1.9079 1450 0.1286 -
1.9737 1500 0.094 -
2.0395 1550 0.0059 -
2.1053 1600 0.0227 -
2.1711 1650 0.0899 -
2.2368 1700 0.0053 -
2.3026 1750 0.0021 -
2.3684 1800 0.0114 -
2.4342 1850 0.1163 -
2.5 1900 0.0959 -
2.5658 1950 0.0252 -
2.6316 2000 0.0921 -
2.6974 2050 0.1159 -
2.7632 2100 0.0026 -
2.8289 2150 0.1211 -
2.8947 2200 0.1843 -
2.9605 2250 0.0014 -
3.0263 2300 0.0085 -
3.0921 2350 0.0839 -
3.1579 2400 0.2372 -
3.2237 2450 0.0213 -
3.2895 2500 0.0155 -
3.3553 2550 0.1128 -
3.4211 2600 0.0945 -
3.4868 2650 0.0917 -
3.5526 2700 0.0011 -
3.6184 2750 0.0024 -
3.6842 2800 0.0044 -
3.75 2850 0.121 -
3.8158 2900 0.0056 -
3.8816 2950 0.003 -
3.9474 3000 0.0899 -
4.0132 3050 0.0157 -
4.0789 3100 0.1188 -
4.1447 3150 0.001 -
4.2105 3200 0.0222 -
4.2763 3250 0.1209 -
4.3421 3300 0.1085 -
4.4079 3350 0.0054 -
4.4737 3400 0.0009 -
4.5395 3450 0.0015 -
4.6053 3500 0.003 -
4.6711 3550 0.0009 -
4.7368 3600 0.0003 -
4.8026 3650 0.0009 -
4.8684 3700 0.03 -
4.9342 3750 0.1206 -
5.0 3800 0.0003 -
0.0013 1 0.2045 -
0.0658 50 0.0078 -
0.1316 100 0.0087 -
0.1974 150 0.0386 -
0.2632 200 0.1015 -
0.3289 250 0.0022 -
0.3947 300 0.0291 -
0.4605 350 0.0013 -
0.5263 400 0.0022 -
0.5921 450 0.1324 -
0.6579 500 0.113 -
0.7237 550 0.0011 -
0.7895 600 0.1723 -
0.8553 650 0.0049 -
0.9211 700 0.206 -
0.9868 750 0.1683 -
1.0526 800 0.0954 -
1.1184 850 0.018 -
1.1842 900 0.1854 -
1.25 950 0.0342 -
1.3158 1000 0.0015 -
1.3816 1050 0.0062 -
1.4474 1100 0.1187 -
1.5132 1150 0.0048 -
1.5789 1200 0.0011 -
1.6447 1250 0.002 -
1.7105 1300 0.092 -
1.7763 1350 0.1245 -
1.8421 1400 0.0009 -
1.9079 1450 0.1185 -
1.9737 1500 0.0017 -
2.0395 1550 0.008 -
2.1053 1600 0.0049 -
2.1711 1650 0.0083 -
2.2368 1700 0.0026 -
2.3026 1750 0.0081 -
2.3684 1800 0.0036 -
2.4342 1850 0.0016 -
2.5 1900 0.0017 -
2.5658 1950 0.0014 -
2.6316 2000 0.0017 -
2.6974 2050 0.002 -
2.7632 2100 0.1022 -
2.8289 2150 0.0004 -
2.8947 2200 0.0007 -
2.9605 2250 0.0794 -
3.0263 2300 0.0183 -
3.0921 2350 0.0377 -
3.1579 2400 0.029 -
3.2237 2450 0.0003 -
3.2895 2500 0.0961 -
3.3553 2550 0.0008 -
3.4211 2600 0.0873 -
3.4868 2650 0.0501 -
3.5526 2700 0.0029 -
3.6184 2750 0.0008 -
3.6842 2800 0.0004 -
3.75 2850 0.0011 -
3.8158 2900 0.0518 -
3.8816 2950 0.0002 -
3.9474 3000 0.1115 -
4.0132 3050 0.0129 -
4.0789 3100 0.0005 -
4.1447 3150 0.0012 -
4.2105 3200 0.1086 -
4.2763 3250 0.0199 -
4.3421 3300 0.0004 -
4.4079 3350 0.0001 -
4.4737 3400 0.0832 -
4.5395 3450 0.0003 -
4.6053 3500 0.0041 -
4.6711 3550 0.1146 -
4.7368 3600 0.0027 -
4.8026 3650 0.0002 -
4.8684 3700 0.0544 -
4.9342 3750 0.0002 -
5.0 3800 0.0046 -
0.0013 1 0.0015 -
0.0658 50 0.1973 -
0.1316 100 0.0106 -
0.1974 150 0.0744 -
0.2632 200 0.1033 -
0.3289 250 0.0425 -
0.3947 300 0.1125 -
0.4605 350 0.0018 -
0.5263 400 0.0019 -
0.5921 450 0.0002 -
0.6579 500 0.0007 -
0.7237 550 0.1393 -
0.7895 600 0.0002 -
0.8553 650 0.0043 -
0.9211 700 0.0339 -
0.9868 750 0.0002 -
0.0013 1 0.0007 -
0.0658 50 0.0419 -
0.1316 100 0.0068 -
0.1974 150 0.1401 -
0.2632 200 0.0423 -
0.3289 250 0.1122 -
0.3947 300 0.0037 -
0.4605 350 0.005 -
0.5263 400 0.0006 -
0.5921 450 0.0006 -
0.6579 500 0.0016 -
0.7237 550 0.1244 -
0.7895 600 0.0016 -
0.8553 650 0.0028 -
0.9211 700 0.002 -
0.9868 750 0.057 -
0.0013 1 0.1396 -
0.0658 50 0.0366 -
0.1316 100 0.0021 -
0.1974 150 0.1088 -
0.2632 200 0.0449 -
0.3289 250 0.0187 -
0.3947 300 0.0017 -
0.4605 350 0.1262 -
0.5263 400 0.0052 -
0.5921 450 0.1188 -
0.6579 500 0.0002 -
0.7237 550 0.0006 -
0.7895 600 0.0758 -
0.8553 650 0.025 -
0.9211 700 0.0052 -
0.9868 750 0.1985 -

Framework Versions

  • Python: 3.10.12
  • SetFit: 1.0.1
  • Sentence Transformers: 2.2.2
  • Transformers: 4.35.2
  • PyTorch: 2.1.0+cu121
  • Datasets: 2.15.0
  • Tokenizers: 0.15.0

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}
}
Downloads last month
24
Safetensors
Model size
278M params
Tensor type
F32
·
Inference Examples
Text Classification
This model does not have enough activity to be deployed to Inference API (serverless) yet. Increase its social visibility and check back later, or deploy to Inference Endpoints (dedicated) instead.

Model tree for mogaio/pr_ebsa_fr_tran_merged25_e1_end_offsets

Base model

sentence-transformers/paraphrase-multilingual-mpnet-base-v2
Finetuned
(45)
this model

Evaluation results

View on Papers With Code