You can deploy this model and start earning money today!

mini1013/
master_cate_bc14

Name: master_cate_bc14
Availability: InStock

setfit

safetensors

roberta

sentence-transformers

text-classification

generated_from_setfit_trainer

2209.11055

mini1013/master_domain

finetune

model-index

Views

No views yet

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
8.0	'[현대백화점][압소바] 용용 텐셀 속싸개(2024년 봄신상) AZA10901 아이보리/FREE 출산/육아 > 외출용품 > 포대기/처네' '애착육아 아기포대기 여름 망사 신생아 전통 사계절 순면 어부바 워머 인견 띠 어깨끈 사계절 일자형_아기곰블루 7부 출산/육아 > 외출용품 > 포대기/처네' '[현대백화점][에뜨와] (2종용띠)켄미배내저고리X로디양말세트 07R017001B [00001] 아이보리아이보리/3M 출산/육아 > 외출용품 > 포대기/처네'
3.0	'의류용/슈즈용 네임스티커 화이트스티치 혼합형 의류용_컬러_의류용네임스티커Color여아리본_혼합형 출산/육아 > 외출용품 > 미아방지용품' '의류용/슈즈용 네임스티커 화이트스티치 혼합형 신발용_슈즈용네임스티커애니멀_원형30 출산/육아 > 외출용품 > 미아방지용품' '주문제작 미아방지 아기 포토 자동차 캐리어 네임택 에어팟 키링 어린이집 유치원 가방고리 아이돌 반려동물 열쇠고리 굿즈 베이직 더블팩_화이트_핑크 출산/육아 > 외출용품 > 미아방지용품'
5.0	'Bebefit 베베핏 시그니처7 올인원 아기띠 패브릭 바구니+어깨침받이+가슴침받이세트 (선물 2종) 다크그레이 (사은품 2종) 출산/육아 > 외출용품 > 아기띠' '베베핏x폴레드 시그니처7 올인원 아기띠 & 폴레드 에어러브 아기띠마스크 신생아 외출필수템 다크네이비_폴레드 에어러브 마스크_골든카멜 출산/육아 > 외출용품 > 아기띠' '양털 아기 보낭 겉싸개 204539 유아 신생아 버건디9 출산/육아 > 외출용품 > 아기띠'
2.0	'비비엔다 아기 후드 망토 블랭킷 아기띠 유모차 워머 바람막이 M(24개월 이상 추천)_하트꼼_다우니퍼(3~4주 소요) 출산/육아 > 외출용품 > 망토/워머' '세인트돌 무지손토시 모카_FREE 출산/육아 > 외출용품 > 망토/워머' '돗투돗 뽀글이 극세사 아기띠 워머 아기 망토 블랭킷 유모차 바람막이 담요 겨울 [겨울 추천]극세사_비비(아이보리) 출산/육아 > 외출용품 > 망토/워머'
0.0	'기저귀가방 국민 기저귀 아기 가방 캔버스 가벼운 유모차 에코백 토트bag 옵션1(크로스끈없음)_블랙 출산/육아 > 외출용품 > 기저귀가방' '리엘라 숄더백 기저귀가방 이너백 파우치 핑크 출산/육아 > 외출용품 > 기저귀가방' '방수 건조 이중 지퍼 핸드백, 아기 기저귀 가방, 유모차 운반 팩, 여행 야외 보관 기저귀 포드 WB8-29 출산/육아 > 외출용품 > 기저귀가방'
1.0	'별과모래 아기띠침받이7종 아기띠커버 에르고호환 힙시트 침패드 [별과모 아기띠침받이1세트-옐로우 출산/육아 > 외출용품 > 기타외출용품' '미토 어린이킥보드 악세사리 유모차 컵홀더 바람개비 자전거벨 스트리머 킥보드인형 마이크로 21세기 호환 보호대 S 핑크 출산/육아 > 외출용품 > 기타외출용품' '744854 Apollo Walker 소형 및 대형 애완동물 캐리어 백팩 틸 쿠션 백 서포트 안전장치 여행 하이킹 아웃도어용 Teal Black 출산/육아 > 외출용품 > 기타외출용품'
7.0	'[이벤트]오로라x돗투돗 클라우드 퀄팅 휴대용 기저귀 패드 휴대용방수매트 기저귀 방수 매트.블루 출산/육아 > 외출용품 > 아기띠쿨러/패드' '베베핏x폴레드 국민 기저귀가방 & 폴레드 에어러브3 도넛,주니어,에어마스트 에어쿨시트 딥브라운(썸머패키지)_주니어 밀키웨이 출산/육아 > 외출용품 > 아기띠쿨러/패드' '베베핏x폴레드 국민 기저귀가방 & 폴레드 에어러브3 도넛,주니어,에어마스트 에어쿨시트 올리브베이지(썸머패키지)_주니어 피치크림 출산/육아 > 외출용품 > 아기띠쿨러/패드'
4.0	'JRCuddles 아기 랩 캐리어 AirMesh - 신생아부터 최대 44파운드의 유아까지 - 캥거루 스타일로 운반하기 쉬운 어린이용 슬링 - 엄마와 아빠를 위한 경량 가 Beige Dark Blue 출산/육아 > 외출용품 > 슬링' 'Baby Wrap Carrier,Adjustable Baby Carrier Newborn to Toddler Original Stretchy Infant Sling, Perfect Blue 출산/육아 > 외출용품 > 슬링' 'Unbred 아기 캐리어 랩 통기성 슬링 인체공학 백팩 코튼 ## 파랑색 출산/육아 > 외출용품 > 슬링'
6.0	'에어룸 아기띠+침받이 출산/육아 > 외출용품 > 아기띠받침이' '오가닉붐 빅도뜨 가슴 침받이 아이보리 출산/육아 > 외출용품 > 아기띠받침이' '아기띠 앞보기전용 침받이 에르고 힙시트 출산/육아 > 외출용품 > 아기띠받침이'
9.0	'베이비소풍 해먹 사이드 힙시트 휴대용 영유아 외출용 베이지(기본스트랩) 출산/육아 > 외출용품 > 힙시트' '아기 외출 바람막이 힙시트 유모차 방풍커버 포대기 스카이블루 퍼플 출산/육아 > 외출용품 > 힙시트' '[베베핏]스마트 캐리어 아기띠 출산/육아 > 외출용품 > 힙시트'

Evaluation

Metrics

Label	Accuracy
all	1.0

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("mini1013/master_cate_bc14")
# Run inference
preds = model("[에시앙]모데즈 유모차라이너+목쿠션 (디자인선택) 레몬 출산/육아 > 외출용품 > 기타외출용품")

Training Details

Training Set Metrics

Training set	Min	Median	Max
Word count	7	14.5385	42

Label	Training Sample Count
0.0	70
1.0	70
2.0	70
3.0	70
4.0	70
5.0	70
6.0	20
7.0	70
8.0	70
9.0	70

Training Hyperparameters

batch_size: (256, 256)
num_epochs: (30, 30)
max_steps: -1
sampling_strategy: oversampling
num_iterations: 50
body_learning_rate: (2e-05, 1e-05)
head_learning_rate: 0.01
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
0.0079	1	0.4929	-
0.3937	50	0.4972	-
0.7874	100	0.4631	-
1.1811	150	0.0622	-
1.5748	200	0.0077	-
1.9685	250	0.0002	-
2.3622	300	0.0001	-
2.7559	350	0.0	-
3.1496	400	0.0	-
3.5433	450	0.0	-
3.9370	500	0.0	-
4.3307	550	0.0	-
4.7244	600	0.0	-
5.1181	650	0.0	-
5.5118	700	0.0	-
5.9055	750	0.0	-
6.2992	800	0.0	-
6.6929	850	0.0	-
7.0866	900	0.0	-
7.4803	950	0.0	-
7.8740	1000	0.0	-
8.2677	1050	0.0	-
8.6614	1100	0.0	-
9.0551	1150	0.0	-
9.4488	1200	0.0	-
9.8425	1250	0.0	-
10.2362	1300	0.0	-
10.6299	1350	0.0	-
11.0236	1400	0.0	-
11.4173	1450	0.0	-
11.8110	1500	0.0	-
12.2047	1550	0.0	-
12.5984	1600	0.0	-
12.9921	1650	0.0	-
13.3858	1700	0.0	-
13.7795	1750	0.0	-
14.1732	1800	0.0	-
14.5669	1850	0.0	-
14.9606	1900	0.0	-
15.3543	1950	0.0	-
15.7480	2000	0.0	-
16.1417	2050	0.0	-
16.5354	2100	0.0	-
16.9291	2150	0.0	-
17.3228	2200	0.0	-
17.7165	2250	0.0	-
18.1102	2300	0.0	-
18.5039	2350	0.0	-
18.8976	2400	0.0	-
19.2913	2450	0.0	-
19.6850	2500	0.0	-
20.0787	2550	0.0	-
20.4724	2600	0.0	-
20.8661	2650	0.0	-
21.2598	2700	0.0	-
21.6535	2750	0.0	-
22.0472	2800	0.0	-
22.4409	2850	0.0	-
22.8346	2900	0.0	-
23.2283	2950	0.0	-
23.6220	3000	0.0	-
24.0157	3050	0.0	-
24.4094	3100	0.0	-
24.8031	3150	0.0	-
25.1969	3200	0.0	-
25.5906	3250	0.0	-
25.9843	3300	0.0	-
26.3780	3350	0.0	-
26.7717	3400	0.0	-
27.1654	3450	0.0	-
27.5591	3500	0.0	-
27.9528	3550	0.0	-
28.3465	3600	0.0	-
28.7402	3650	0.0	-
29.1339	3700	0.0	-
29.5276	3750	0.0	-
29.9213	3800	0.0	-

Framework Versions

Python: 3.10.12
SetFit: 1.1.0
Sentence Transformers: 3.3.1
Transformers: 4.44.2
PyTorch: 2.2.0a0+81ea7a4
Datasets: 3.2.0
Tokenizers: 0.19.1

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}
}