File size: 12,137 Bytes
9e3f204 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 |
---
base_model: hackathon-pln-es/paraphrase-spanish-distilroberta
library_name: setfit
metrics:
- accuracy
pipeline_tag: text-classification
tags:
- setfit
- sentence-transformers
- text-classification
- generated_from_setfit_trainer
widget:
- text: GESTIÓN DE LA PLANEACIÓN INSTITUCIONALACTIVIDADES TRANSVERSALES PARA EL PROCESO
DE PLANEACIÓN INSTITUCIONALResporder las solicitudes de información de terceros
o el mismo instituto (nivel de complejidad medio)
- text: GESTIÓN DE LA PLANEACIÓN INSTITUCIONALACTIVIDADES TRANSVERSALES PARA EL PROCESO
DE PLANEACIÓN INSTITUCIONALRegistrar en el sistema de control la entrega del documento
solicitado.
- text: GESTIÓN DEL SERVICIO PERICIALFÍSICA - TRÁMITE DE SOLICITUDES Y GENERACIÓN
Y ENVÍO DE INFORMES PERICIALES DEL SERVICIO DE FÍSICA FORENSEDigitalizar el expediente
- text: GESTIÓN DEL SERVICIO PERICIALANTROPOLOGÍA - ANÁLISIS ANTROPOLÓGICO FORENSERealizar
la toma de muestras de la escrictura osea con la anuencia del Médico.
- text: GESTIÓN DE LA PLANEACIÓN INSTITUCIONALACTIVIDADES TRANSVERSALES PARA EL PROCESO
DE PLANEACIÓN INSTITUCIONALRealizar las capacitaciones en sistemas y plataformas
requeridas por las áreas.
inference: true
model-index:
- name: SetFit with hackathon-pln-es/paraphrase-spanish-distilroberta
results:
- task:
type: text-classification
name: Text Classification
dataset:
name: Unknown
type: unknown
split: test
metrics:
- type: accuracy
value: 0.96
name: Accuracy
---
# SetFit with hackathon-pln-es/paraphrase-spanish-distilroberta
This is a [SetFit](https://github.com/huggingface/setfit) model that can be used for Text Classification. This SetFit model uses [hackathon-pln-es/paraphrase-spanish-distilroberta](https://huggingface.co/hackathon-pln-es/paraphrase-spanish-distilroberta) 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:** [hackathon-pln-es/paraphrase-spanish-distilroberta](https://huggingface.co/hackathon-pln-es/paraphrase-spanish-distilroberta)
- **Classification head:** a [LogisticRegression](https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html) instance
- **Maximum Sequence Length:** 128 tokens
- **Number of Classes:** 4 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 |
|:------|:------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 2.0 | <ul><li>'GESTIÓN DE LA PLANEACIÓN INSTITUCIONALACTIVIDADES TRANSVERSALES PARA EL PROCESO DE PLANEACIÓN INSTITUCIONALConfigurar aplicativo SAILFO'</li><li>'GESTIÓN DE LA PLANEACIÓN INSTITUCIONALACTIVIDADES TRANSVERSALES PARA EL PROCESO DE PLANEACIÓN INSTITUCIONALVerificar el almacenamiento de las cámaras en relación con la capacidad, la cantidad de almacenamiento disponible y verificar que esten grabado.'</li><li>'GESTIÓN DE LA PLANEACIÓN INSTITUCIONALACTIVIDADES TRANSVERSALES PARA EL PROCESO DE PLANEACIÓN INSTITUCIONALLlevar a cabo la atención telefonica'</li></ul> |
| 1.0 | <ul><li>'GESTIÓN ADMINISTRATIVAADMINISTRATIVO - MANEJO DE CORRESPONDENCIAFirmar el recibido en la planilla incluyendo fecha y hora o recibir por sistema.'</li><li>'GESTIÓN DEL SERVICIO PERICIALSEGURIDAD Y SALUD EN EL TRABAJO - INVESTIGACIÓN Y SEGUIMIENTO DE LOS ACCIDENTES E INCIDENTES DE TRABAJOVerificar el cumplimiento de los planes de intervención y realizar el respectivo registro a las acciones ejecutadas para cada accidente de presunto origen laboral'</li><li>'GESTIÓN DEL SERVICIO PERICIALMETROLOGÍA - ACONDICIONAMIENTO DE LABORATORIO, LIMPIEZA Y DISPOSICIÓN DE DESECHOS EN LAS ÁREAS DEL GRUPO DE METROLOGÍAMonitorear las condiciones ambientales de los laboratorios'</li></ul> |
| 0.0 | <ul><li>'GESTIÓN DEL SERVICIO PERICIALACTIVIDADES TRANSVERSALES PARA EL PROCESO DE GESTIÓN DEL SERVICIO PERICIALRevisar el correo institucional de la dependencia y tramitar según el tema'</li><li>'GESTIÓN DEL SERVICIO PERICIALPATOLOGÍA - ABORDAJE DE CADÁVERES QUEMADOS, CARBONIZADOS Y CALCINADOSDeterminar y clasificar si el cadáver muestra cambios por quemaduras, carbonización o calcinación para así definir el abordaje de necropsia medicolegal en cadáver quemado, carbonizado o calcinado'</li><li>'GESTIÓN DEL SERVICIO PERICIALPATOLOGÍA - ATENCIÓN Y BÚSQUEDA DE UN DESAPARECIDO ENTRE CADÁVERES SOMETIDOS A NECROPSIA MEDICO LEGALIntegrar el informe de identificación al informe pericial de necropsia.'</li></ul> |
| 3.0 | <ul><li>'GESTIÓN DEL SISTEMA DE EVALUACIÓN Y CONTROLCONTROL - ASESORÍA CONTROL INTERNO\xa0Incluir las necesidades, solicitud de charla o asesoría elaboración de informes en el PUNA'</li><li>'GESTIÓN DEL SISTEMA DE EVALUACIÓN Y CONTROLCONTROL - ASESORÍA CONTROL INTERNO\xa0Consultar los documentos necesarios con el fin de preparar la temática, en caso de contar acompañante(s), definir las actividades y tareas con ellos.'</li><li>'GESTIÓN DEL SISTEMA DE EVALUACIÓN Y CONTROLCONTROL - ENTRENAMIENTO Y REENTRENAMIENTO EN TEMAS DE CONTROL INTERNO Y AUDITORÍASDesarrollar el objetivo y el contenido temático del modulo(s)'</li></ul> |
## Evaluation
### Metrics
| Label | Accuracy |
|:--------|:---------|
| **all** | 0.96 |
## 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("rovargasc/setfit-model_actividadesMedicinaLegalV1")
# Run inference
preds = model("GESTIÓN DEL SERVICIO PERICIALANTROPOLOGÍA - ANÁLISIS ANTROPOLÓGICO FORENSERealizar la toma de muestras de la escrictura osea con la anuencia del Médico.")
```
<!--
### 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 | 6 | 26.1733 | 65 |
| Label | Training Sample Count |
|:------|:----------------------|
| 0.0 | 69 |
| 1.0 | 79 |
| 2.0 | 75 |
| 3.0 | 77 |
### Training Hyperparameters
- batch_size: (64, 64)
- num_epochs: (1, 1)
- max_steps: -1
- sampling_strategy: oversampling
- 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
- seed: 42
- eval_max_steps: -1
- load_best_model_at_end: False
### Training Results
| Epoch | Step | Training Loss | Validation Loss |
|:------:|:----:|:-------------:|:---------------:|
| 0.0009 | 1 | 0.1977 | - |
| 0.0474 | 50 | 0.0986 | - |
| 0.0949 | 100 | 0.0514 | - |
| 0.1423 | 150 | 0.0025 | - |
| 0.1898 | 200 | 0.0012 | - |
| 0.2372 | 250 | 0.0014 | - |
| 0.2846 | 300 | 0.0003 | - |
| 0.3321 | 350 | 0.0003 | - |
| 0.3795 | 400 | 0.0002 | - |
| 0.4269 | 450 | 0.0001 | - |
| 0.4744 | 500 | 0.0002 | - |
| 0.5218 | 550 | 0.0001 | - |
| 0.5693 | 600 | 0.0002 | - |
| 0.6167 | 650 | 0.0001 | - |
| 0.6641 | 700 | 0.0001 | - |
| 0.7116 | 750 | 0.0002 | - |
| 0.7590 | 800 | 0.0001 | - |
| 0.8065 | 850 | 0.0001 | - |
| 0.8539 | 900 | 0.0001 | - |
| 0.9013 | 950 | 0.0001 | - |
| 0.9488 | 1000 | 0.0001 | - |
| 0.9962 | 1050 | 0.0001 | - |
| 1.0 | 1054 | - | 0.0517 |
### Framework Versions
- Python: 3.10.13
- SetFit: 1.0.3
- Sentence Transformers: 3.0.1
- Transformers: 4.40.0
- PyTorch: 2.1.2
- Datasets: 2.20.0
- 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}
}
```
<!--
## 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.*
--> |