master_item_top_bt6 / README.md
mini1013's picture
Push model using huggingface_hub.
a1eab01 verified
metadata
base_model: klue/roberta-base
library_name: setfit
metrics:
  - accuracy
pipeline_tag: text-classification
tags:
  - setfit
  - sentence-transformers
  - text-classification
  - generated_from_setfit_trainer
widget:
  - text: >-
      트위저맨 포인트 트위저 Pretty in Pink (#M)홈>화장품/미용>뷰티소품>페이스소품>기타페이스소품 Naverstore >
      화장품/미용 > 뷰티소품 > 페이스소품 > 기타페이스소품
  - text: >-
      에스쁘아 에어 퍼프 5개입 소프트 터치 에어퍼프 LotteOn > 뷰티 > 뷰티기기/소품 > 메이크업소품 > 퍼프 LotteOn >
      뷰티 > 뷰티기기/소품 > 메이크업소품 > 브러쉬
  - text: >-
      더툴랩 더스타일 래쉬 - 리얼(TSL001) x 1개 리얼(TSL001) × 1개 LotteOn > 뷰티 > 뷰티기기/소품 >
      아이/브로우소품 > 속눈썹관리 LotteOn > 뷰티 > 뷰티기기/소품 > 아이/브로우소품 > 속눈썹관리
  - text: >-
      미용재료/셀프파마/롯드/헤어롤/미용용품/파지/귀마개/염색볼/집게핀/샤워캡/헤어밴드 41.다용도 공병 2개
      홈>펌,염색,미용소도구;홈>파마용품;(#M)홈>파마 소도구>파마용품 Naverstore > 화장품/미용 > 뷰티소품 > 헤어소품 >
      기타헤어소품
  - text: >-
      에스쁘아 비글로우 에어 퍼프 5개입(22AD)  (#M)홈>화장품/미용>뷰티소품>페이스소품>기타페이스소품 Naverstore >
      화장품/미용 > 뷰티소품 > 페이스소품 > 기타페이스소품
inference: true
model-index:
  - name: SetFit with klue/roberta-base
    results:
      - task:
          type: text-classification
          name: Text Classification
        dataset:
          name: Unknown
          type: unknown
          split: test
        metrics:
          - type: accuracy
            value: 0.9419292632686155
            name: Accuracy

SetFit with klue/roberta-base

This is a SetFit model that can be used for Text Classification. This SetFit model uses klue/roberta-base 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: klue/roberta-base
  • Classification head: a LogisticRegression instance
  • Maximum Sequence Length: 512 tokens
  • Number of Classes: 8 classes

Model Sources

Model Labels

Label Examples
7
  • '[JAJU/자주] 원형 리필 공병 통 110ml ssg > 뷰티 > 미용기기/소품 > 거울/용기/기타소품;ssg > 뷰티 > 헤어/바디/미용/구강 > 미용기기 ssg > 뷰티 > 미용기기/소품 > 거울/용기/기타소품'
  • '세맘스 아기랑 + 엄마랑 파우치 세트 핑크스마일_엄마(가로 11.5cm x 세로 13cm), 아기(가로 8cm x 세로 10.5cm) (#M)쿠팡 홈>여행용품>여행파우치>화장품파우치 Coupang > 뷰티 > 뷰티소품 > 용기/거울/기타소품 > 파우치'
  • '라인 프린팅 파스텔컬러 롤온공병 10ml 6종 세트 흰색(뚜껑) × 1세트 (#M)쿠팡 홈>뷰티>뷰티소품>용기/거울/기타소품>기타소품 Coupang > 뷰티 > 뷰티소품 > 용기/거울/기타소품 > 기타소품'
3
  • '트위저맨 슬랜트 트위저 족집게 베이비 핑크 × 9개 (#M)쿠팡 홈>뷰티>뷰티소품>아이소품>족집게/샤프너 Coupang > 뷰티 > 뷰티소품 > 아이소품 > 족집게/샤프너'
  • '트위저맨 미니 슬랜트 트위저 로즈골드 265161 LotteOn > 뷰티 > 메이크업 > 베이스메이크업 > 파운데이션 LotteOn > 뷰티 > 메이크업 > 베이스메이크업 > 파운데이션'
  • '트위저맨 클래식 슬랜트 트위저 베이비핑크, 1개 LotteOn > 뷰티 > 뷰티기기/소품 > 메이크업소품 > 브러쉬 LotteOn > 뷰티 > 뷰티기기/소품 > 메이크업소품 > 브러쉬'
6
  • '천일 매직 롯드 10P 1호~6호 뿌리볼륨롯드 파마롯드 매직롯드 5호_1개 홈>화장품/미용>뷰티소품>헤어소품>헤어롤;홈>전체상품;(#M)홈>롯드 Naverstore > 화장품/미용 > 뷰티소품 > 헤어소품 > 헤어롤'
  • '다이슨 45mm 35mm 롤브러쉬 대왕롤빗 엉킴방지빗 니켈블랙 (#M)홈>미용건강 Naverstore > 화장품/미용 > 뷰티소품 > 헤어소품 > 헤어브러시'
  • '프리시전 섀이더 브러쉬 스몰 단품없음 LotteOn > 뷰티 > 뷰티기기 > 액세서리/소모품 LotteOn > 뷰티 > 뷰티기기 > 액세서리/소모품'
0
  • '천연 자초 립밤 만들기 키트 diy 향 선택(8개) 사과+에탄올20ml (#M)홈>비누&립밤&세제 만들기>만들기키트 Naverstore > 화장품/미용 > 색조메이크업 > 립케어'
5
  • '프로 피니쉬 스폰지 단품없음 LotteOn > 뷰티 > 뷰티기기 > 액세서리/소모품 LotteOn > 뷰티 > 뷰티기기 > 액세서리/소모품'
  • 'JAJU 사각 면봉_화장 겸용 200P 기타_FR LotteOn > 뷰티 > 뷰티기기/소품 > 위생용품 > 면봉 LotteOn > 뷰티 > 뷰티기기/소품 > 위생용품 > 면봉'
  • 'mts 롤러 기계 MTS 스탬프 앰플 바르는 도구 니들 빠른흡수 상품선택_2-더마롤러-0.3mm LotteOn > 뷰티 > 뷰티기기/소품 > 피부케어기 > 피부케어기 LotteOn > 뷰티 > 뷰티기기/소품 > 피부케어기 > 피부케어기'
1
  • '더툴랩 101B 베이비태스커 파운데이션 베이스 메이크업 브러쉬 쿠션브러쉬 236097 (#M)홈>화장품/미용>뷰티소품>메이크업브러시>브러시세트 Naverstore > 화장품/미용 > 뷰티소품 > 메이크업브러시 > 브러시세트'
  • '더툴랩 204 블렌딩 아이섀도우 스몰 총알 브러쉬 (#M)화장품/미용>뷰티소품>페이스소품>코털제거기 AD > Naverstore > 화장품/미용 > 뷰티소품 > 페이스소품 > 코털제거기'
  • '더툴랩 브러쉬 231 컨실러 파운데이션 (#M)화장품/미용>뷰티소품>메이크업브러시>페이스브러시 LO > Naverstore > 화장품/미용 > 뷰티소품 > 메이크업브러시 > 페이스브러시'
2
  • '요들가운 미용실 LC 커트보 어깨보 컷트보 인쇄가능 15.모델210T커트보_블랙 (#M)홈>가운,유니폼>컷트보 Naverstore > 화장품/미용 > 뷰티소품 > 헤어소품 > 기타헤어소품'
  • '요들가운 미용실 LC 커트보 어깨보 컷트보 인쇄가능 12.듀스포체크 커트보_퍼플 (#M)홈>가운,유니폼>컷트보 Naverstore > 화장품/미용 > 뷰티소품 > 헤어소품 > 기타헤어소품'
  • '[백화점][JPClarisse] 장폴클라리쎄 거미 왕대 집게핀 JPSA0001 진베이지 (#M)GSSHOP>뷰티>뷰티소품>헤어소품 GSSHOP > 뷰티 > 뷰티소품 > 헤어소품 > 헤어집게'
4
  • '레터링 쇄골 현아 타투 스티커 30장 마스크 판박이 3타투세트30장-수채화 LotteOn > 뷰티 > 마스크/팩 > 기타패치 LotteOn > 뷰티 > 마스크/팩 > 기타패치'
  • '산리오 캐릭터 타투 스티커 어린이 문신 마스크판박이 5.헬로키티(2매입) 홈>패션잡화🛍>잡화🐱\u200d💻;(#M)홈>캐릭터🙂>산리오 Naverstore > 화장품/미용 > 뷰티소품 > 타투'
  • '문신 타투 스티커 바디 형 쇄골 반팔 레터링 흉터 커버__개성 다이소 헤나 다목적 노출 패션 미용 다용도 추천 패셔니스타 여름 A type 타투스티커 30종세트 (#M)SSG.COM/헤어/바디/슬리밍/푸드/기타용품/타투 ssg > 뷰티 > 헤어/바디 > 슬리밍/푸드/기타용품 > 타투'

Evaluation

Metrics

Label Accuracy
all 0.9419

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_item_top_bt6")
# Run inference
preds = model("에스쁘아 에어 퍼프 5개입 소프트 터치 에어퍼프 LotteOn > 뷰티 > 뷰티기기/소품 > 메이크업소품 > 퍼프 LotteOn > 뷰티 > 뷰티기기/소품 > 메이크업소품 > 브러쉬")

Training Details

Training Set Metrics

Training set Min Median Max
Word count 12 22.0313 72
Label Training Sample Count
0 1
1 50
2 50
3 50
4 50
5 50
6 50
7 50

Training Hyperparameters

  • batch_size: (64, 64)
  • num_epochs: (30, 30)
  • max_steps: -1
  • sampling_strategy: oversampling
  • num_iterations: 100
  • 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
0.0018 1 0.4099 -
0.0911 50 0.3973 -
0.1821 100 0.3456 -
0.2732 150 0.2947 -
0.3643 200 0.2369 -
0.4554 250 0.1705 -
0.5464 300 0.107 -
0.6375 350 0.0696 -
0.7286 400 0.0494 -
0.8197 450 0.0488 -
0.9107 500 0.0307 -
1.0018 550 0.0259 -
1.0929 600 0.0247 -
1.1840 650 0.022 -
1.2750 700 0.0215 -
1.3661 750 0.005 -
1.4572 800 0.0007 -
1.5483 850 0.0004 -
1.6393 900 0.0002 -
1.7304 950 0.0001 -
1.8215 1000 0.0001 -
1.9126 1050 0.0001 -
2.0036 1100 0.0001 -
2.0947 1150 0.0001 -
2.1858 1200 0.0001 -
2.2769 1250 0.0 -
2.3679 1300 0.0 -
2.4590 1350 0.0 -
2.5501 1400 0.0 -
2.6412 1450 0.0 -
2.7322 1500 0.0 -
2.8233 1550 0.0 -
2.9144 1600 0.0 -
3.0055 1650 0.0 -
3.0965 1700 0.0 -
3.1876 1750 0.0 -
3.2787 1800 0.0 -
3.3698 1850 0.0 -
3.4608 1900 0.0 -
3.5519 1950 0.0 -
3.6430 2000 0.0 -
3.7341 2050 0.0 -
3.8251 2100 0.0 -
3.9162 2150 0.0 -
4.0073 2200 0.0 -
4.0984 2250 0.0 -
4.1894 2300 0.0 -
4.2805 2350 0.0 -
4.3716 2400 0.0 -
4.4627 2450 0.0 -
4.5537 2500 0.0 -
4.6448 2550 0.0 -
4.7359 2600 0.0 -
4.8270 2650 0.0 -
4.9180 2700 0.0 -
5.0091 2750 0.0 -
5.1002 2800 0.0 -
5.1913 2850 0.0 -
5.2823 2900 0.0 -
5.3734 2950 0.0 -
5.4645 3000 0.0 -
5.5556 3050 0.0 -
5.6466 3100 0.0 -
5.7377 3150 0.0 -
5.8288 3200 0.0 -
5.9199 3250 0.0 -
6.0109 3300 0.0 -
6.1020 3350 0.0 -
6.1931 3400 0.0 -
6.2842 3450 0.0 -
6.3752 3500 0.0 -
6.4663 3550 0.0 -
6.5574 3600 0.0 -
6.6485 3650 0.0 -
6.7395 3700 0.0 -
6.8306 3750 0.0 -
6.9217 3800 0.0 -
7.0128 3850 0.0 -
7.1038 3900 0.0 -
7.1949 3950 0.0 -
7.2860 4000 0.0 -
7.3770 4050 0.0 -
7.4681 4100 0.0 -
7.5592 4150 0.0 -
7.6503 4200 0.0 -
7.7413 4250 0.0 -
7.8324 4300 0.0 -
7.9235 4350 0.0 -
8.0146 4400 0.0 -
8.1056 4450 0.0 -
8.1967 4500 0.0 -
8.2878 4550 0.0 -
8.3789 4600 0.0 -
8.4699 4650 0.0 -
8.5610 4700 0.0 -
8.6521 4750 0.0 -
8.7432 4800 0.0 -
8.8342 4850 0.0 -
8.9253 4900 0.0 -
9.0164 4950 0.0 -
9.1075 5000 0.0 -
9.1985 5050 0.0 -
9.2896 5100 0.0 -
9.3807 5150 0.0 -
9.4718 5200 0.0 -
9.5628 5250 0.0 -
9.6539 5300 0.0 -
9.7450 5350 0.0 -
9.8361 5400 0.0 -
9.9271 5450 0.0 -
10.0182 5500 0.0 -
10.1093 5550 0.0 -
10.2004 5600 0.0 -
10.2914 5650 0.0 -
10.3825 5700 0.0 -
10.4736 5750 0.0 -
10.5647 5800 0.0 -
10.6557 5850 0.0 -
10.7468 5900 0.0 -
10.8379 5950 0.0 -
10.9290 6000 0.0 -
11.0200 6050 0.0 -
11.1111 6100 0.0 -
11.2022 6150 0.0 -
11.2933 6200 0.0 -
11.3843 6250 0.0 -
11.4754 6300 0.0 -
11.5665 6350 0.0 -
11.6576 6400 0.0 -
11.7486 6450 0.0 -
11.8397 6500 0.0 -
11.9308 6550 0.0 -
12.0219 6600 0.0 -
12.1129 6650 0.0 -
12.2040 6700 0.0 -
12.2951 6750 0.0 -
12.3862 6800 0.0 -
12.4772 6850 0.0 -
12.5683 6900 0.0 -
12.6594 6950 0.0 -
12.7505 7000 0.0 -
12.8415 7050 0.0 -
12.9326 7100 0.0 -
13.0237 7150 0.0 -
13.1148 7200 0.0 -
13.2058 7250 0.0 -
13.2969 7300 0.0 -
13.3880 7350 0.0 -
13.4791 7400 0.0 -
13.5701 7450 0.0 -
13.6612 7500 0.0 -
13.7523 7550 0.0 -
13.8434 7600 0.0 -
13.9344 7650 0.0 -
14.0255 7700 0.0 -
14.1166 7750 0.0 -
14.2077 7800 0.0 -
14.2987 7850 0.0 -
14.3898 7900 0.0 -
14.4809 7950 0.0 -
14.5719 8000 0.0 -
14.6630 8050 0.0 -
14.7541 8100 0.0 -
14.8452 8150 0.0 -
14.9362 8200 0.0 -
15.0273 8250 0.0 -
15.1184 8300 0.0 -
15.2095 8350 0.0 -
15.3005 8400 0.0 -
15.3916 8450 0.0 -
15.4827 8500 0.0 -
15.5738 8550 0.012 -
15.6648 8600 0.0012 -
15.7559 8650 0.0003 -
15.8470 8700 0.0 -
15.9381 8750 0.0 -
16.0291 8800 0.0 -
16.1202 8850 0.0 -
16.2113 8900 0.0 -
16.3024 8950 0.0 -
16.3934 9000 0.0 -
16.4845 9050 0.0 -
16.5756 9100 0.0 -
16.6667 9150 0.0 -
16.7577 9200 0.0 -
16.8488 9250 0.0 -
16.9399 9300 0.0 -
17.0310 9350 0.0 -
17.1220 9400 0.0 -
17.2131 9450 0.0 -
17.3042 9500 0.0 -
17.3953 9550 0.0 -
17.4863 9600 0.0 -
17.5774 9650 0.0 -
17.6685 9700 0.0 -
17.7596 9750 0.0 -
17.8506 9800 0.0 -
17.9417 9850 0.0 -
18.0328 9900 0.0 -
18.1239 9950 0.0 -
18.2149 10000 0.0 -
18.3060 10050 0.0 -
18.3971 10100 0.0 -
18.4882 10150 0.0 -
18.5792 10200 0.0 -
18.6703 10250 0.0 -
18.7614 10300 0.0 -
18.8525 10350 0.0 -
18.9435 10400 0.0 -
19.0346 10450 0.0 -
19.1257 10500 0.0 -
19.2168 10550 0.0 -
19.3078 10600 0.0 -
19.3989 10650 0.0 -
19.4900 10700 0.0 -
19.5811 10750 0.0 -
19.6721 10800 0.0 -
19.7632 10850 0.0 -
19.8543 10900 0.0 -
19.9454 10950 0.0 -
20.0364 11000 0.0 -
20.1275 11050 0.0 -
20.2186 11100 0.0 -
20.3097 11150 0.0 -
20.4007 11200 0.0 -
20.4918 11250 0.0 -
20.5829 11300 0.0 -
20.6740 11350 0.0 -
20.7650 11400 0.0 -
20.8561 11450 0.0 -
20.9472 11500 0.0 -
21.0383 11550 0.0 -
21.1293 11600 0.0 -
21.2204 11650 0.0 -
21.3115 11700 0.0 -
21.4026 11750 0.0 -
21.4936 11800 0.0 -
21.5847 11850 0.0 -
21.6758 11900 0.0 -
21.7668 11950 0.0 -
21.8579 12000 0.0 -
21.9490 12050 0.0 -
22.0401 12100 0.0 -
22.1311 12150 0.0 -
22.2222 12200 0.0 -
22.3133 12250 0.0 -
22.4044 12300 0.0 -
22.4954 12350 0.0 -
22.5865 12400 0.0 -
22.6776 12450 0.0 -
22.7687 12500 0.0 -
22.8597 12550 0.0 -
22.9508 12600 0.0 -
23.0419 12650 0.0 -
23.1330 12700 0.0 -
23.2240 12750 0.0 -
23.3151 12800 0.0 -
23.4062 12850 0.0 -
23.4973 12900 0.0 -
23.5883 12950 0.0 -
23.6794 13000 0.0 -
23.7705 13050 0.0 -
23.8616 13100 0.0 -
23.9526 13150 0.0 -
24.0437 13200 0.0 -
24.1348 13250 0.0 -
24.2259 13300 0.0 -
24.3169 13350 0.0 -
24.4080 13400 0.0 -
24.4991 13450 0.0 -
24.5902 13500 0.0 -
24.6812 13550 0.0 -
24.7723 13600 0.0 -
24.8634 13650 0.0 -
24.9545 13700 0.0 -
25.0455 13750 0.0 -
25.1366 13800 0.0 -
25.2277 13850 0.0 -
25.3188 13900 0.0 -
25.4098 13950 0.0 -
25.5009 14000 0.0 -
25.5920 14050 0.0 -
25.6831 14100 0.0 -
25.7741 14150 0.0 -
25.8652 14200 0.0 -
25.9563 14250 0.0 -
26.0474 14300 0.0 -
26.1384 14350 0.0 -
26.2295 14400 0.0 -
26.3206 14450 0.0 -
26.4117 14500 0.0 -
26.5027 14550 0.0 -
26.5938 14600 0.0 -
26.6849 14650 0.0 -
26.7760 14700 0.0 -
26.8670 14750 0.0 -
26.9581 14800 0.0 -
27.0492 14850 0.0 -
27.1403 14900 0.0 -
27.2313 14950 0.0 -
27.3224 15000 0.0 -
27.4135 15050 0.0 -
27.5046 15100 0.0 -
27.5956 15150 0.0 -
27.6867 15200 0.0 -
27.7778 15250 0.0 -
27.8689 15300 0.0 -
27.9599 15350 0.0 -
28.0510 15400 0.0 -
28.1421 15450 0.0 -
28.2332 15500 0.0 -
28.3242 15550 0.0 -
28.4153 15600 0.0 -
28.5064 15650 0.0 -
28.5974 15700 0.0 -
28.6885 15750 0.0 -
28.7796 15800 0.0 -
28.8707 15850 0.0 -
28.9617 15900 0.0 -
29.0528 15950 0.0 -
29.1439 16000 0.0 -
29.2350 16050 0.0 -
29.3260 16100 0.0 -
29.4171 16150 0.0 -
29.5082 16200 0.0 -
29.5993 16250 0.0 -
29.6903 16300 0.0 -
29.7814 16350 0.0 -
29.8725 16400 0.0 -
29.9636 16450 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

@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}
}