|
--- |
|
base_model: mini1013/master_domain |
|
library_name: setfit |
|
metrics: |
|
- metric |
|
pipeline_tag: text-classification |
|
tags: |
|
- setfit |
|
- sentence-transformers |
|
- text-classification |
|
- generated_from_setfit_trainer |
|
widget: |
|
- text: 비타그램 프리미엄 페이스&갈바닉 CX19-11 주식회사 제이제이몰 |
|
- text: 쥬베라 3파장 357개 LED 마스크 주식회사 바바라도로시 |
|
- text: 코털제거기 코털 귀털 눈썹 정리기 나비 NV151-ENT7 화이트 정리기 다듬기 관리기 깍기 (주) 윙스아이티 |
|
- text: 조아스 전기 이발기 JC-4773 홍운SnC |
|
- text: 필립스 방수전기면도기 건습식 SkinIQ 7000 S7788/61 다크크롬 헤일로 |
|
inference: true |
|
model-index: |
|
- name: SetFit with mini1013/master_domain |
|
results: |
|
- task: |
|
type: text-classification |
|
name: Text Classification |
|
dataset: |
|
name: Unknown |
|
type: unknown |
|
split: test |
|
metrics: |
|
- type: metric |
|
value: 0.7128640776699029 |
|
name: Metric |
|
--- |
|
|
|
# SetFit with mini1013/master_domain |
|
|
|
This is a [SetFit](https://github.com/huggingface/setfit) model that can be used for Text Classification. This SetFit model uses [mini1013/master_domain](https://huggingface.co/mini1013/master_domain) as the Sentence Transformer embedding model. A [LogisticRegression](https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html) 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](https://www.sbert.net) 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](https://huggingface.co/mini1013/master_domain) |
|
- **Classification head:** a [LogisticRegression](https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html) instance |
|
- **Maximum Sequence Length:** 512 tokens |
|
- **Number of Classes:** 18 classes |
|
<!-- - **Training Dataset:** [Unknown](https://huggingface.co/datasets/unknown) --> |
|
<!-- - **Language:** Unknown --> |
|
<!-- - **License:** Unknown --> |
|
|
|
### Model Sources |
|
|
|
- **Repository:** [SetFit on GitHub](https://github.com/huggingface/setfit) |
|
- **Paper:** [Efficient Few-Shot Learning Without Prompts](https://arxiv.org/abs/2209.11055) |
|
- **Blogpost:** [SetFit: Efficient Few-Shot Learning Without Prompts](https://huggingface.co/blog/setfit) |
|
|
|
### Model Labels |
|
| Label | Examples | |
|
|:------|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------| |
|
| 10 | <ul><li>'다이슨 슈퍼소닉 여행용 헤어 드라이기 휴대용 가죽 케이스 보관함 가방 브라운 아저씨'</li><li>'[체리니]레인보우잭 클리퍼잭 바리깡 잭 바리깡 덧날 체리니'</li><li>'바비온 BOB65 강아지이발기 전용 이발기날 이발기 바리깡 세라믹 이발기날 교체용날 주식회사 바비온'</li></ul> | |
|
| 13 | <ul><li>'홈스킨이노베이션즈 실큰 쥬얼 IPL 레이저 제모기 공육이삼(0623)'</li><li>'유어피스 바디쉐이버 YP-BR01(샴페인핑크) 소담마켓'</li><li>'필립스코리아 샤티넬 모근제거기 화이트 + 라임 그린 BRE224/00 최상현'</li></ul> | |
|
| 11 | <ul><li>'하이맥스토끼바리깡 CL-300 전문가용이발기 핑크 오.케이상사'</li><li>'하이맥스 CL-303K 토끼바리깡/장미바리깡/미용실바리깡 한일인터내셔널'</li><li>'베라스 남자이발기 프로바리깡 전문가용 방수이발기 바리깡 미용실바리깡 유아이발기 셀프 투블럭 아기바리깡 셀프바리깡 미용실바리깡 토끼바리깡 유아바리깡 방수바리깡 VC-1000S 이코리코'</li></ul> | |
|
| 8 | <ul><li>'[애드온] 애드온 전동 손톱깎이 네일트리머 SV425 (주) 교보문고'</li><li>'전동 아기 신생아 손톱깎이 네일트리머 손톱트리머 BNT-2 블루 (주)휴비딕'</li><li>'세신드릴 블랙스완 무선 네일드릴 35,000rpm 주식회사 코즈랩'</li></ul> | |
|
| 3 | <ul><li>'에어라파 무선 방수 스마트 두피마사지기 HS3440 다인지앤비'</li><li>'두피 마사지기 관리기 저준위레이저 모두온 SH-LC2 블루 (주)메디위'</li><li>'[텐마인즈] 브레오 두피 마사지기 SCALP2 헤어 스칼프 전동 안마기 관리기 각질케어 [465] 그레이_1개(15000원) (주) 열심히커뮤니케이션즈'</li></ul> | |
|
| 5 | <ul><li>'[소식알림받고 리뷰작성 3만적립금]다이슨 에어스트레이트 스트레이트너 (블루/코퍼) 다이슨코리아 유한회사'</li><li>'[포토리뷰 1만원 적립]다이슨 에어스트레이트 스트레이트너 (니켈/코퍼) 다이슨코리아 유한회사'</li><li>'다이슨 코랄 헤어 스트레이트너(코퍼/니켈) / 정품 / L 레드/니켈(기프트) 주식회사 리안'</li></ul> | |
|
| 12 | <ul><li>'BRAUN 시리즈X M1100 세진세라믹'</li><li>'BRAUN 시리즈7 71-N1200S 뉴데이즈마켓'</li><li>'필립스 SkinIQ 5000시리즈 S5588/17 - 포시즌 밸류앤포'</li></ul> | |
|
| 16 | <ul><li>'JMW BLDC 헤어 드라이어 부스터 SDU3A01A 코스트코 드라이기 에이앤지컴퍼니'</li><li>'테팔 헤어스트레이트너 리스앤컬 투인원 HS4210K0 (주)인앤인코스메틱'</li><li>'벨레르 그루 8in1 전력전압 자동조절 전 세계 최초 해외 사용 가능 에어 스타일러 헤어 드라이기 주식회사 나우홈'</li></ul> | |
|
| 4 | <ul><li>'플러스에어 공식판매처 헤어드라이기 H3 베이직 그린 주식회사 디깅미인터내셔널'</li><li>'예스뷰티 ZOA-1530 이순한'</li><li>'차이슨 헤어 초경량 가벼운드라이기 여행용 휴대용 3m 1.8m스탠다드 밀크 단일노즐 영통종합유통'</li></ul> | |
|
| 17 | <ul><li>'예스뷰티 헤어롤 YB-9200 롤20개 사용온도센서 바이오메드'</li><li>'예스뷰티 휴대용 헤어롤 YB-104 프리볼트/헤어롤/휴대용헤어롤/구르프/셋팅기/휴대용셋팅기/여행용셋팅기/여행용헤어롤/예스뷰티헤어롤 YB-104 (프리볼트) 윌로펌프서비스(김포)'</li><li>'[예스뷰티]YB-9120 전기헤어롤 12P 태민사'</li></ul> | |
|
| 6 | <ul><li>'BRAUN 70S 셜크'</li><li>'[BRAUN] 브라운 전기면도기 시리즈9&8 파워충전케이스 (9484 PC) 9484pc power case [PC15] 주식회사 이엘피스(E-엘피스)'</li><li>'파나소닉 람대쉬 전기면도기 세척기전용 (WES4L03) 세정액 (주)레그노'</li></ul> | |
|
| 15 | <ul><li>'LG 프라엘 인텐시브 멀티케어 BLP1 복합 갈바닉 고주파 마사지기 쿨링 미세전류 수분 보습 탄력 케어 인텐시브 멀티케어[P709] 주식회사블루원'</li><li>'피코스텍 메디큐브 에이지알 유쎄라 딥 샷 (거치대포함) 김희선 마사지기 하이곰 마켓'</li><li>'LG프라엘 더마쎄라 BLQ1 + 카트리지 BARQ1 2종 세트 (주)엘앤텍'</li></ul> | |
|
| 0 | <ul><li>'FHIKOREA 마르세이유 MW_01 블랙 아래서위로'</li><li>'바비리스 수블림 컬링 아이론 C332K 우씨(WooSEA)'</li><li>'바비리스 C332K 모라상사'</li></ul> | |
|
| 14 | <ul><li>'필립스 NT3650/16 동의 선우에이치앤비(SUNWOO H&B)'</li><li>'이즈미 생활방수 코털제거기 NB-12B 핵심 날 망 일본 제조 (주)라이징테크'</li><li>'필립스 NT-3160 필립스 NT-3160 렉슬리코리아'</li></ul> | |
|
| 2 | <ul><li>'[MISO] 미소 AR-148PP 눈썹정리기/눈썹바리깡/눈썹이발기 AR-148PP 메티에'</li><li>'파나소닉 셀프 제모기 트리머 면도기 ER-GM40 눈썹 바리깡 (주)미도시'</li><li>'쥬베라 히팅뷰러 속눈썹 고데기 JV-305 핑크 팔팔상회'</li></ul> | |
|
| 1 | <ul><li>'페이스팩토리 속눈썹 고데기 USB 충전 온열 히팅 뷰러 드라이기 고대기 속눈썹고데기 리뉴얼 주식회사 큐비스트'</li><li>'오아 쁘띠 컬링 v2 속눈썹 고데기 USB 충전식 온도조절 온열 히팅뷰러 ★혜택가★ 쁘띠컬링 J0001 오아 주식회사'</li><li>'쥬베라 속눈썹 고데기 온열 히팅 뷰러 탄젤로 주식회사 쥬베라'</li></ul> | |
|
| 7 | <ul><li>'라피타 3in1 아이돌 히팅래쉬펌. 온열괄사 (주)제이온케어'</li><li>'오아 포텐컬링 속눈썹 고데기 usb 충전식 온도조절 온열 히팅뷰러 포텐컬링 J0007 오아 주식회사'</li><li>'크리스탈클라우드 충전식 눈썹 속눈썹 고데기 13g 1개 에이치케이코퍼레이션(주)'</li></ul> | |
|
| 9 | <ul><li>'보다나 글램컬 에어 힛 브러쉬 코스트코 씨이마켓(CEMARKET)'</li><li>'비달사순 에어브러쉬 헤어 롤 빗 에어 스타일러 VSAS80PIK (CU상품권) 주식회사 디에이지'</li><li>'[Panasonic] 빗 드라이기 EH-KA11 [파나소닉 공식인증] (주)컴퓨존'</li></ul> | |
|
|
|
## Evaluation |
|
|
|
### Metrics |
|
| Label | Metric | |
|
|:--------|:-------| |
|
| **all** | 0.7129 | |
|
|
|
## Uses |
|
|
|
### Direct Use for Inference |
|
|
|
First install the SetFit library: |
|
|
|
```bash |
|
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_el15") |
|
# Run inference |
|
preds = model("조아스 전기 이발기 JC-4773 홍운SnC") |
|
``` |
|
|
|
<!-- |
|
### Downstream Use |
|
|
|
*List how someone could finetune this model on their own dataset.* |
|
--> |
|
|
|
<!-- |
|
### Out-of-Scope Use |
|
|
|
*List how the model may foreseeably be misused and address what users ought not to do with the model.* |
|
--> |
|
|
|
<!-- |
|
## Bias, Risks and Limitations |
|
|
|
*What are the known or foreseeable issues stemming from this model? You could also flag here known failure cases or weaknesses of the model.* |
|
--> |
|
|
|
<!-- |
|
### Recommendations |
|
|
|
*What are recommendations with respect to the foreseeable issues? For example, filtering explicit content.* |
|
--> |
|
|
|
## Training Details |
|
|
|
### Training Set Metrics |
|
| Training set | Min | Median | Max | |
|
|:-------------|:----|:-------|:----| |
|
| Word count | 4 | 8.8868 | 24 | |
|
|
|
| Label | Training Sample Count | |
|
|:------|:----------------------| |
|
| 0 | 50 | |
|
| 1 | 3 | |
|
| 2 | 50 | |
|
| 3 | 50 | |
|
| 4 | 50 | |
|
| 5 | 50 | |
|
| 6 | 50 | |
|
| 7 | 3 | |
|
| 8 | 50 | |
|
| 9 | 50 | |
|
| 10 | 50 | |
|
| 11 | 50 | |
|
| 12 | 50 | |
|
| 13 | 50 | |
|
| 14 | 50 | |
|
| 15 | 50 | |
|
| 16 | 39 | |
|
| 17 | 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 | |
|
|:-----:|:----:|:-------------:|:---------------:| |
|
| 0.008 | 1 | 0.4972 | - | |
|
| 0.4 | 50 | 0.3579 | - | |
|
| 0.8 | 100 | 0.2105 | - | |
|
| 1.2 | 150 | 0.0948 | - | |
|
| 1.6 | 200 | 0.0803 | - | |
|
| 2.0 | 250 | 0.0848 | - | |
|
| 2.4 | 300 | 0.0253 | - | |
|
| 2.8 | 350 | 0.0278 | - | |
|
| 3.2 | 400 | 0.023 | - | |
|
| 3.6 | 450 | 0.0113 | - | |
|
| 4.0 | 500 | 0.0098 | - | |
|
| 4.4 | 550 | 0.006 | - | |
|
| 4.8 | 600 | 0.01 | - | |
|
| 5.2 | 650 | 0.0044 | - | |
|
| 5.6 | 700 | 0.0069 | - | |
|
| 6.0 | 750 | 0.0117 | - | |
|
| 6.4 | 800 | 0.004 | - | |
|
| 6.8 | 850 | 0.0004 | - | |
|
| 7.2 | 900 | 0.0023 | - | |
|
| 7.6 | 950 | 0.0023 | - | |
|
| 8.0 | 1000 | 0.0004 | - | |
|
| 8.4 | 1050 | 0.0024 | - | |
|
| 8.8 | 1100 | 0.0003 | - | |
|
| 9.2 | 1150 | 0.001 | - | |
|
| 9.6 | 1200 | 0.0003 | - | |
|
| 10.0 | 1250 | 0.0004 | - | |
|
| 10.4 | 1300 | 0.0002 | - | |
|
| 10.8 | 1350 | 0.0003 | - | |
|
| 11.2 | 1400 | 0.0028 | - | |
|
| 11.6 | 1450 | 0.0002 | - | |
|
| 12.0 | 1500 | 0.0002 | - | |
|
| 12.4 | 1550 | 0.0002 | - | |
|
| 12.8 | 1600 | 0.0002 | - | |
|
| 13.2 | 1650 | 0.0002 | - | |
|
| 13.6 | 1700 | 0.0002 | - | |
|
| 14.0 | 1750 | 0.0001 | - | |
|
| 14.4 | 1800 | 0.0002 | - | |
|
| 14.8 | 1850 | 0.0002 | - | |
|
| 15.2 | 1900 | 0.0012 | - | |
|
| 15.6 | 1950 | 0.0001 | - | |
|
| 16.0 | 2000 | 0.0003 | - | |
|
| 16.4 | 2050 | 0.0001 | - | |
|
| 16.8 | 2100 | 0.0001 | - | |
|
| 17.2 | 2150 | 0.0001 | - | |
|
| 17.6 | 2200 | 0.0005 | - | |
|
| 18.0 | 2250 | 0.0001 | - | |
|
| 18.4 | 2300 | 0.0005 | - | |
|
| 18.8 | 2350 | 0.0001 | - | |
|
| 19.2 | 2400 | 0.0008 | - | |
|
| 19.6 | 2450 | 0.0001 | - | |
|
| 20.0 | 2500 | 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 |
|
```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} |
|
} |
|
``` |
|
|
|
<!-- |
|
## Glossary |
|
|
|
*Clearly define terms in order to be accessible across audiences.* |
|
--> |
|
|
|
<!-- |
|
## Model Card Authors |
|
|
|
*Lists the people who create the model card, providing recognition and accountability for the detailed work that goes into its construction.* |
|
--> |
|
|
|
<!-- |
|
## Model Card Contact |
|
|
|
*Provides a way for people who have updates to the Model Card, suggestions, or questions, to contact the Model Card authors.* |
|
--> |
