mini1013/master_cate_ac10

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:

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 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
9.0	'로저비비에 로저 비비어 i 러브 비비어 슬링백 펌프스 RVW53834670PE5 여성 37 주식회사 페칭' '크롬베즈 스티치 장식 통굽펌프스 KP55797MA 카멜／245 sellerhub' 'HOBOKEN PS1511 PH2208 (3컬러) 브라운 230 NC_백화점'
2.0	'어그클래식울트라미니 ugg 어그부츠 여성 방한화 여자 발편한 겨울 신발 1116109 Sage Blossom_US 6(230) 울바이울' '해외문스타 810s ET027 마르케 모디 운동화 장화 레인부츠 일본 직구 300_코요테_모디ET027 뉴저지홀세일' '무릎 위에 앉다 장화 롱부츠 굽이 거칠다 평평한 바닥 고통 라이더 부츠 블랙_225 ZHANG YOUHUA'
0.0	'단화 한복신발 여성 새 혼례 소프트 한복구두 전통 꽃신 자수 39_빅화이트백봉이는한사이즈크게찍으셨으면좋겠습 대복컴퍼니' '한복구두 꽃신 양단 생활한복 키높이 단화 굽 빅사이즈 담그어 여름 터지는 구슬 화이트-3.5cm_41 대한민국 일등 상점' '여자 키높이 신발 여성 꽃신 한복 구두 전통 계량한복 37_화이트12(지연) 유럽걸스'
4.0	'남여공용 청키 클로그 바운서 샌들 (3ASDCBC33) 블랙(50BKS)_240 ' '[포멜카멜레]쥬얼장식트위드샌들 3cm FJS1F1SS024 아이보리/255 에이케이에스앤디(주) AK플라자 평택점' '[하프클럽/] 에끌라 투웨이 주얼 샌들 33.카멜/245mm 롯데아이몰'
8.0	'에스콰이아 여성 발편한 경량 세미 캐주얼 앵클 워커 부츠 3cm J278C 브라운_230 (주) 패션플러스' '제옥스 스페리카 EC7 여성 워커부츠-블랙 W1B6VDJ3W11 블랙_245(38) 주식회사 에스에스지닷컴' '(신세계강남점)금강 랜드로바 경량 컴포트 여성 워커 부츠 LANBOC4107WK1 240 신세계백화점'
6.0	'10mm 2중바닥 실내 슬리퍼 병원 거실 호텔 실내화 슬리퍼-타올천_고급-C_검정 주식회사 하루이' '소프달링 남녀공용 뽀글이 스마일 털슬리퍼 여성 겨울 털실내화 VJ/왕스마일/옐로우_255 소프달링' '소프달링 남녀공용 뽀글이 스마일 털슬리퍼 여성 겨울 털실내화 VJ/왕스마일/옐로우_245 소프달링'
3.0	'지안비토로씨 여성 마고 미드 부티 GIA36T75BLU18A1A00 EU 38.5 봉쥬르유럽' '모다아울렛 121507 여성 7cm 깔끔 스틸레토 부티 구두 블랙k040_250 ◈217326053◈ MODA아울렛' '미들부츠 미들힐 봄신상 워커 롱부츠 봄 가을신상 힐 블랙 245 바이포비'
5.0	'[공식판매] 버켄스탁 지제 에바 EVA 블랙 화이트 07 비트루트퍼플 키즈_220 (34) 좁은발볼 (Narrow) ' 'eva 털슬리퍼 방한 방수 따듯한 털신 통굽 실내 화 기모 크로스오버 블랙M 소보로샵' '크록스호환내피 털 탈부착 퍼 겨울 슬리퍼 안감 크림화이트(주니어)_C10-165(155~165) 인터코리아'
7.0	'[밸롭] 구름 브리즈 베이지 구름 브리즈 베이지245 (주)지티에스글로벌' '[스텝100] 무지외반증 허리디스크 평발 신발 무릎 관절 중년 여성 운동화 화이트핑크플라워_235 스텝100' '물컹슈즈 2.0 기능성 운동화 발편한 쿠션 운동화 무지외반증신발 족저근막염 물컹 업그레이드2.0_네이비_46(280mm) 주식회사 나인투식스'
1.0	'베라왕 스타일온에어 23SS 청 플랫폼 로퍼 80111682 G 667381 틸블루_230 DM ENG' '[MUJI] 발수 발이 편한 스니커 머스터드 235mm 4550182676303 무인양품(주)' '[반스(슈즈)]반스 어센틱 체커보드 스니커즈 (VN000W4NDI0) 4.240 롯데아이몰'

Evaluation

Metrics

Label	Metric
all	0.6511

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("mini1013/master_cate_ac10")
# Run inference
preds = model("XDMNBTX0037 빅 사이즈 봄여름 블로퍼 고양이 액체설 블랙_265 푸른바다")

Training Details

Training Set Metrics

Training set	Min	Median	Max
Word count	3	10.504	21

Label	Training Sample Count
0.0	50
1.0	50
2.0	50
3.0	50
4.0	50
5.0	50
6.0	50
7.0	50
8.0	50
9.0	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
0.0127	1	0.4172	-
0.6329	50	0.3266	-
1.2658	100	0.1718	-
1.8987	150	0.095	-
2.5316	200	0.0257	-
3.1646	250	0.0142	-
3.7975	300	0.0026	-
4.4304	350	0.0164	-
5.0633	400	0.01	-
5.6962	450	0.0004	-
6.3291	500	0.0003	-
6.9620	550	0.0002	-
7.5949	600	0.0002	-
8.2278	650	0.0001	-
8.8608	700	0.0001	-
9.4937	750	0.0001	-
10.1266	800	0.0001	-
10.7595	850	0.0001	-
11.3924	900	0.0001	-
12.0253	950	0.0001	-
12.6582	1000	0.0001	-
13.2911	1050	0.0001	-
13.9241	1100	0.0001	-
14.5570	1150	0.0001	-
15.1899	1200	0.0001	-
15.8228	1250	0.0001	-
16.4557	1300	0.0001	-
17.0886	1350	0.0001	-
17.7215	1400	0.0001	-
18.3544	1450	0.0001	-
18.9873	1500	0.0001	-
19.6203	1550	0.0001	-

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

@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}
}