You can deploy this model and start earning money today!

fede-m/
FGSDI_final_setfit_fold_1

Name: FGSDI_final_setfit_fold_1
Availability: InStock

setfit

safetensors

distilbert

sentence-transformers

text-classification

generated_from_setfit_trainer

2209.11055

sentence-transformers/distiluse-base-multilingual-cased-v1

finetune

model-index

Views

No views yet

SetFit with sentence-transformers/distiluse-base-multilingual-cased-v1

This is a SetFit model that can be used for Text Classification. This SetFit model uses sentence-transformers/distiluse-base-multilingual-cased-v1 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: sentence-transformers/distiluse-base-multilingual-cased-v1
Classification head: a LogisticRegression instance
Maximum Sequence Length: 128 tokens
Number of Classes: 2 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

'Tags Argomenti: milano zona 3 Protagonisti:'
'La sua pagina Twitter si è trasformata in un diario spagnolo.'
'Allagamenti si sono verificati in strade terranei per il sollevamento dei tombini a causa della forte pressione dell’acqua.'

'IN questi giorni infatti diversi attori, artisti e cantanti come Christiane Filangeri, Claudia Zanella, Claudio Corinaldesi, Daniela Poggi, Elena Santarelli, Fabio Troiano, Filippo Timi, Francesca Inaudi, Giulia Bevilacqua, Jasmine Trinca, Libero De Rienzo, Lillo Petrolo, Lorenza Indovina, Lorenzo Lavia, Luca Argentero, Lucia Ocone, Ludovico Fremont, Maria Rosaria Omaggio, Maya Sansa, Michele Riondino, Sonia Bergamasco, Susanna Tamaro, Valentina Lodovini, Vinicio Marchioni, Remo Girone hanno postato foto sui social network con messaggi di solidarietà ad animali, volontari ed operatori dei canili comunali di Roma.'
'Il caso Marino [Ignazio Marino], ma anche quello di de Magistris [Luigi de Magistri] a Napoli, di Doria [Carlo Doria] a Genova, di vari presidenti e amministrazioni regionali, sono tutti segnali del fallimento dell’idea che la politica possa essere sostituita dall’improvvisazione, dal populismo, dal dilettantismo coperto dalla vocazione dell’uomo forte o della provvidenza».'
'Questo vuole Putin [Vladimir Putin], che sa tuttavia di dover stipulare un accordo con gli Usa e con Obama [Barack Obama] in particolare perché chi tra un anno gli succederà non è detto che conceda alla Russia il ruolo di comprimario che Obama [Barack Obama], pur cercando di limitarlo, è comunque disposto a riconoscergli.'

Evaluation

Metrics

Label	Accuracy
all	0.4455

Uses

Direct Use for Inference

First install the SetFit library:

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("fede-m/FGSDI_final_setfit_fold_1")
# Run inference
preds = model("Un no al funerale cattolico.")

Training Details

Training Set Metrics

Training set	Min	Median	Max
Word count	2	39.0104	121

Label	Training Sample Count
0	45
1	243

Training Hyperparameters

batch_size: (16, 16)
num_epochs: (1, 1)
max_steps: -1
sampling_strategy: oversampling
num_iterations: 10
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
l2_weight: 0.01
seed: 42
eval_max_steps: -1
load_best_model_at_end: False

Training Results

Epoch	Step	Training Loss	Validation Loss
0.0028	1	0.5457	-
0.1389	50	0.2015	-
0.2778	100	0.046	-
0.4167	150	0.0053	-
0.5556	200	0.0022	-
0.6944	250	0.0007	-
0.8333	300	0.0006	-
0.9722	350	0.0004	-

Framework Versions

Python: 3.12.12
SetFit: 1.1.3
Sentence Transformers: 5.1.2
Transformers: 4.57.1
PyTorch: 2.8.0+cu126
Datasets: 4.0.0
Tokenizers: 0.22.1

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}
}