You can deploy this model and start earning money today!

mini1013/
master_cate_el2

Name: master_cate_el2
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: 9 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
2	'몬스타기어 달토끼 PBT 체리 프로파일 키캡 주식회사 노벨뷰사이언스' '[COX] 영문 키캡, CX158 158키 이색사출 PBT 키캡, OSA 프로파일 [오셀라리스] (주)컴퓨존' '벤큐 조위 CAMADE2 e-Sports 게이밍 마우스 번지대/마우스번지/카마데2 하이스트네트웍스 주식회사'
5	'지클릭커 클라우드 코튼 팜레스트 키보드 쿠션 손목 받침대 눈설탕 눈설탕 (주)수빈인포텍' 'ABKO ARC1 TKL 아크릴 팜레스트 키보드 손목 받침대 텐키리스용 아이스 아크릴 조은 정보' '펠로우즈 크리스탈젤 미니손목받침대 CRC91477 / 보라 에이티쓰리'
8	'로지텍 K380 키스킨 주식회사 제이앤디코퍼레이션' '로지텍 K260 K270 K275 K295 MK275 MK295 키스킨 키보드커버 덮개 로지텍 K295 키스킨 현민트레이딩 주식회사' '로지텍 K270 MK270R MK260R 키보드보호 키스킨 유비스마트'
4	'지클릭커 모니터 필름 PET 부착식 정보 보안 노트북 화면 보호기 블루라이트 차단 12.5인치 현시스템' '앱코 블루라이트 차단 양면 부착형 모니터 정보보안필름 와이드(16:9) IP-24W 주식회사 케이에스샵' '펠로우즈 프라이버시 정보보안 필터 14.1인치 와이드 16:10 정보보호 필름 48006 와이티코리아 주식회사'
3	'앱코 Pastel Desk Long Pad 마우스패드 파스텔 베이지 주식회사 승호' '스틸시리즈 Qck Edge XL 게이밍 마우스패드 주식회사 엠앤웍스' '파스텔 방수 가죽 마우스 장패드 네이비 본조르노온라인 주식회사'
7	'동성 만능크리너 60매 본품 (주)바오밥컴퍼니' '동성크리너 동성 만능크리너 150매 (원통형) 주식회사 해인디지탈' '일신 ECC-90 전기접점부활제 250g 리모콘 플스 닌텐도 스위치 조이콘 조이스틱 쏠림 접점세척제 벡스 BW-100 전기접점부활제 225g 모멘트리 (MOMENTREE)'
6	'전오 케이블타이 450mm 대용량 흰색 J-450 100개 국산 손소프트' '베이스어스 마그네틱 케이블클립,선정리,케이블홀더 블랙(ACWDJ-01) 주식회사엠피맨코리아' '전오 케이블타이 140MM 국산제품 전선정리 포장끈 작업현장 건설 농장 전자 공장 백색(1000개) 보람 LED'
1	'ipTIME UH505 (기본구성) USB3.0 5포트 USB허브 5V3A 어댑터 (주)즐찾' 'EFM네트웍스 아이피타임 UH505 다사다 유한책임회사' '벨킨 11in1 USB C타입 멀티 허브 독 100W 충전 HDMI VGA 이더넷 노트북 거치대형 INC004bt 아이폰15 갤럭시 S24 그램 맥북 노트북 호환 실버그레이(INC004btSGY) (주) 디지월드'
0	'Coms DJ729 데스크탑 PC 이동형 스탠드 컴퓨터 본체 거치대 바퀴 이동식 블랙 루미너스' '컴퓨터 본체 받침대 DJ729 주식회사보성닷컴' '데스크탑 PC 본체 이동형 스탠드 DJ729 주식회사 지디스엠알오'

Evaluation

Metrics

Label	Metric
all	0.9550

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_el2")
# Run inference
preds = model("AMH 클리어 투웨이 4포트 USB3.0 허브 민트  주식회사보성닷컴")

Training Details

Training Set Metrics

Training set	Min	Median	Max
Word count	4	10.1397	25

Label	Training Sample Count
0	8
1	50
2	50
3	50
4	50
5	50
6	50
7	50
8	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
0.0156	1	0.4963	-
0.7812	50	0.1854	-
1.5625	100	0.046	-
2.3438	150	0.0048	-
3.125	200	0.0168	-
3.9062	250	0.0002	-
4.6875	300	0.0001	-
5.4688	350	0.0001	-
6.25	400	0.0001	-
7.0312	450	0.0001	-
7.8125	500	0.0001	-
8.5938	550	0.0001	-
9.375	600	0.0001	-
10.1562	650	0.0001	-
10.9375	700	0.0	-
11.7188	750	0.0001	-
12.5	800	0.0	-
13.2812	850	0.0	-
14.0625	900	0.0	-
14.8438	950	0.0	-
15.625	1000	0.0	-
16.4062	1050	0.0001	-
17.1875	1100	0.0	-
17.9688	1150	0.0	-
18.75	1200	0.0	-
19.5312	1250	0.0	-

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}
}