Hugging Face's logo

Kurrant
/
RevenueStreamJP

Text Classification
setfit
Safetensors
sentence-transformers
bert
generated_from_setfit_trainer
Model card Files
xet
Community
RevenueStreamJP / README.md
MaiDD's picture
MaiDD
Add SetFit model
7df54c7
preview code
|
raw
history blame
17.1 kB
metadata
library_name: setfit
tags:
  - setfit
  - sentence-transformers
  - text-classification
  - generated_from_setfit_trainer
metrics:
  - accuracy
widget:
  - text: 多要素認証エンジンである「LOCKED」と、セキュリティコンサルティングを通じて、国内企業のゼロトラスト対応を支援しているスタートアップ。
  - text: Hotel rooms on the wheelsをコンセプトにした、自社生産のキャンピングカーレンタルサービスを展開するスタートアップ。
  - text: >-
      バイオ新薬事業やバイオシミラー事業などバイオに関わる研究開発を行う企業。2021年7月にジーンテクノサイエンスからキッズウェル・バイオに社名変更をしている。
  - text: 業務用冷凍食品の企画・開発・販売を行い、自社商品の調理方法などを公開する企業。
  - text: >-
      がん治療機器「集束超音波(HIFU)治療装置」の開発を行う東北大学発のスタートアップ。「集束超音波」は、超音波を一点に集中させてがん組織に照射し、加熱効果などで切らずに治療する方法。放射線被曝が無いことから繰り返し治療ができ、がんに対する次世代治療として期待されている。2022年12月には、ニッセイ・キャピタル、野村スパークス・インベストメント、大和企業投資、りそなキャピタル、Carbon
      Ventures、QRインベストメント、JA三井リース、ファストトラックイニシアティブ、SBIインベストメント、三菱UFJキャピタル、FFGベンチャービジネスパートナーズ、肥銀キャピタルを引受先とする総額23億5,000万円の資金調達を発表した。今後は、膵癌の国内治験および海外展開を含めた事業拡大に充当し、同社のビジョンである“音響工学(超音波)でがん患者さんに新たな未来をもたらす”を1日でも早く実現することを目指す。
pipeline_tag: text-classification
inference: false
model-index:
  - name: SetFit
    results:
      - task:
          type: text-classification
          name: Text Classification
        dataset:
          name: Unknown
          type: unknown
          split: test
        metrics:
          - type: accuracy
            value: 0.7902097902097902
            name: Accuracy

SetFit

This is a SetFit model that can be used for Text Classification. A OneVsRestClassifier 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
  • Classification head: a OneVsRestClassifier instance
  • Maximum Sequence Length: 512 tokens

Model Sources

Evaluation

Metrics

Label Accuracy
all 0.7902

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("Ekohe/RevenueStreamJP")
# Run inference
preds = model("業務用冷凍食品の企画・開発・販売を行い、自社商品の調理方法などを公開する企業。")

Training Details

Training Set Metrics

Training set Min Median Max
Word count 1 1.8981 57

Training Hyperparameters

  • batch_size: (8, 8)
  • num_epochs: (35, 35)
  • max_steps: -1
  • sampling_strategy: oversampling
  • num_iterations: 2
  • 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
0.0035 1 0.3068 -
0.1754 50 0.2708 -
0.3509 100 0.2253 -
0.5263 150 0.2705 -
0.7018 200 0.1665 -
0.8772 250 0.2609 -
1.0526 300 0.2681 -
1.2281 350 0.2614 -
1.4035 400 0.2151 -
1.5789 450 0.1952 -
1.7544 500 0.2275 -
1.9298 550 0.3111 -
2.1053 600 0.1036 -
2.2807 650 0.1038 -
2.4561 700 0.0081 -
2.6316 750 0.0906 -
2.8070 800 0.0002 -
2.9825 850 0.0928 -
3.1579 900 0.0004 -
3.3333 950 0.0011 -
3.5088 1000 0.0013 -
3.6842 1050 0.0004 -
3.8596 1100 0.0012 -
4.0351 1150 0.0002 -
4.2105 1200 0.0004 -
4.3860 1250 0.0003 -
4.5614 1300 0.0 -
4.7368 1350 0.0001 -
4.9123 1400 0.0002 -
5.0877 1450 0.0 -
5.2632 1500 0.0002 -
5.4386 1550 0.0 -
5.6140 1600 0.0 -
5.7895 1650 0.0 -
5.9649 1700 0.1017 -
6.1404 1750 0.0012 -
6.3158 1800 0.0 -
6.4912 1850 0.0001 -
6.6667 1900 0.0 -
6.8421 1950 0.0003 -
7.0175 2000 0.0 -
7.1930 2050 0.0 -
7.3684 2100 0.0 -
7.5439 2150 0.0 -
7.7193 2200 0.0 -
7.8947 2250 0.0 -
8.0702 2300 0.0 -
8.2456 2350 0.0 -
8.4211 2400 0.0019 -
8.5965 2450 0.0017 -
8.7719 2500 0.0 -
8.9474 2550 0.0034 -
9.1228 2600 0.0 -
9.2982 2650 0.0 -
9.4737 2700 0.0 -
9.6491 2750 0.0 -
9.8246 2800 0.0 -
10.0 2850 0.0 -
10.1754 2900 0.0 -
10.3509 2950 0.0 -
10.5263 3000 0.0 -
10.7018 3050 0.0 -
10.8772 3100 0.0001 -
11.0526 3150 0.0 -
11.2281 3200 0.0 -
11.4035 3250 0.0 -
11.5789 3300 0.0 -
11.7544 3350 0.0 -
11.9298 3400 0.0 -
12.1053 3450 0.0 -
12.2807 3500 0.0 -
12.4561 3550 0.0 -
12.6316 3600 0.0 -
12.8070 3650 0.0 -
12.9825 3700 0.0 -
13.1579 3750 0.0 -
13.3333 3800 0.0 -
13.5088 3850 0.0 -
13.6842 3900 0.0 -
13.8596 3950 0.0 -
14.0351 4000 0.0 -
14.2105 4050 0.0 -
14.3860 4100 0.0 -
14.5614 4150 0.0 -
14.7368 4200 0.0 -
14.9123 4250 0.0 -
15.0877 4300 0.0 -
15.2632 4350 0.0 -
15.4386 4400 0.0 -
15.6140 4450 0.0 -
15.7895 4500 0.0 -
15.9649 4550 0.1016 -
16.1404 4600 0.1214 -
16.3158 4650 0.0 -
16.4912 4700 0.0 -
16.6667 4750 0.0 -
16.8421 4800 0.0 -
17.0175 4850 0.0 -
17.1930 4900 0.0 -
17.3684 4950 0.0 -
17.5439 5000 0.0 -
17.7193 5050 0.0 -
17.8947 5100 0.0 -
18.0702 5150 0.0 -
18.2456 5200 0.0 -
18.4211 5250 0.0 -
18.5965 5300 0.0 -
18.7719 5350 0.0 -
18.9474 5400 0.0 -
19.1228 5450 0.0 -
19.2982 5500 0.0001 -
19.4737 5550 0.0 -
19.6491 5600 0.0001 -
19.8246 5650 0.0174 -
20.0 5700 0.0 -
20.1754 5750 0.0 -
20.3509 5800 0.0 -
20.5263 5850 0.0 -
20.7018 5900 0.0 -
20.8772 5950 0.0 -
21.0526 6000 0.0 -
21.2281 6050 0.0 -
21.4035 6100 0.0 -
21.5789 6150 0.0 -
21.7544 6200 0.0 -
21.9298 6250 0.0 -
22.1053 6300 0.0 -
22.2807 6350 0.0 -
22.4561 6400 0.0 -
22.6316 6450 0.0 -
22.8070 6500 0.0 -
22.9825 6550 0.0 -
23.1579 6600 0.0 -
23.3333 6650 0.0 -
23.5088 6700 0.0 -
23.6842 6750 0.0 -
23.8596 6800 0.0 -
24.0351 6850 0.0 -
24.2105 6900 0.0 -
24.3860 6950 0.0 -
24.5614 7000 0.0 -
24.7368 7050 0.0 -
24.9123 7100 0.0 -
25.0877 7150 0.0 -
25.2632 7200 0.0 -
25.4386 7250 0.0816 -
25.6140 7300 0.0005 -
25.7895 7350 0.0 -
25.9649 7400 0.0001 -
26.1404 7450 0.0001 -
26.3158 7500 0.0 -
26.4912 7550 0.0 -
26.6667 7600 0.0 -
26.8421 7650 0.0 -
27.0175 7700 0.0 -
27.1930 7750 0.0 -
27.3684 7800 0.0 -
27.5439 7850 0.0 -
27.7193 7900 0.0 -
27.8947 7950 0.0 -
28.0702 8000 0.0 -
28.2456 8050 0.0 -
28.4211 8100 0.0 -
28.5965 8150 0.0 -
28.7719 8200 0.0 -
28.9474 8250 0.0 -
29.1228 8300 0.0 -
29.2982 8350 0.0 -
29.4737 8400 0.0 -
29.6491 8450 0.0 -
29.8246 8500 0.0 -
30.0 8550 0.0 -
30.1754 8600 0.0 -
30.3509 8650 0.0 -
30.5263 8700 0.0 -
30.7018 8750 0.0 -
30.8772 8800 0.0 -
31.0526 8850 0.0 -
31.2281 8900 0.0 -
31.4035 8950 0.0 -
31.5789 9000 0.0 -
31.7544 9050 0.0 -
31.9298 9100 0.0 -
32.1053 9150 0.0 -
32.2807 9200 0.0 -
32.4561 9250 0.0 -
32.6316 9300 0.0 -
32.8070 9350 0.0 -
32.9825 9400 0.0 -
33.1579 9450 0.0 -
33.3333 9500 0.0 -
33.5088 9550 0.0 -
33.6842 9600 0.0 -
33.8596 9650 0.0 -
34.0351 9700 0.0 -
34.2105 9750 0.0 -
34.3860 9800 0.0 -
34.5614 9850 0.0 -
34.7368 9900 0.0 -
34.9123 9950 0.0 -

Framework Versions

  • Python: 3.10.12
  • SetFit: 1.0.1
  • Sentence Transformers: 2.2.2
  • Transformers: 4.35.2
  • PyTorch: 2.1.0+cu118
  • Datasets: 2.15.0
  • Tokenizers: 0.15.0

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}
}