Delete es_advanced_elauator.py

es_advanced_elauator.py

@@ -1,279 +0,0 @@
-# es_advanced_evaluator.py
-from typing import List, Dict, Any, Optional
-import re
-
-from transformers import (
-    AutoTokenizer,
-    AutoModelForSequenceClassification,
-    pipeline,
-)
-
-# =========================
-# モデル定義（Hugging Face）
-# =========================
-
-# 日本語感情分析モデル
-SENTIMENT_MODEL_NAME = "koheiduck/bert-japanese-finetuned-sentiment"
-# 多言語ゼロショット分類モデル（STAR分類・トーン評価用）
-NLI_MODEL_NAME = "joeddav/xlm-roberta-large-xnli"
-
-# 必要に応じて device=0 (GPU) に変更してください
-sentiment_classifier = pipeline(
-    "sentiment-analysis",
-    model=SENTIMENT_MODEL_NAME,
-    tokenizer=SENTIMENT_MODEL_NAME,
-)
-
-zero_shot_classifier = pipeline(
-    "zero-shot-classification",
-    model=NLI_MODEL_NAME,
-    tokenizer=NLI_MODEL_NAME,
-)
-
-
-# =========================
-# ユーティリティ
-# =========================
-
-_SENT_SPLIT_RE = re.compile(r"[。！？\n]+")
-
-
-def split_sentences(text: str) -> List[str]:
-    """日本語の文をざっくり分割する簡易関数"""
-    sentences = [s.strip() for s in _SENT_SPLIT_RE.split(text) if s.strip()]
-    return sentences
-
-
-# =========================
-# 感情・トーン分析
-# =========================
-
-def analyze_sentiment(text: str) -> Dict[str, Any]:
-    """
-    日本語テキストのネガポジ分析。
-    出力例:
-    {
-        "label": "POSITIVE",
-        "score": 0.98
-    }
-    """
-    if not text.strip():
-        return {"label": "NEUTRAL", "score": 0.0}
-
-    result = sentiment_classifier(text)[0]
-    return {
-        "label": result["label"],
-        "score": float(result["score"]),
-    }
-
-
-def analyze_tone(text: str) -> Dict[str, Any]:
-    """
-    ゼロショット分類で「熱意・主体性・一貫性・論理性・協調性」などをスコアリング。
-    multi_label=True なので、1文が複数のトーンを兼ねることも許容。
-    出力例:
-    {
-        "labels": {
-            "熱意": 0.92,
-            "主体性": 0.81,
-            "一貫性": 0.55,
-            "論理性": 0.73,
-            "協調性": 0.40
-        }
-    }
-    """
-    if not text.strip():
-        return {"labels": {}}
-
-    tone_labels = ["熱意", "主体性", "一貫性", "論理性", "協調性"]
-
-    result = zero_shot_classifier(
-        text,
-        candidate_labels=tone_labels,
-        multi_label=True,
-    )
-
-    label_scores = {
-        label: float(score)
-        for label, score in zip(result["labels"], result["scores"])
-    }
-
-    ordered = {label: label_scores.get(label, 0.0) for label in tone_labels}
-
-    return {"labels": ordered}
-
-
-# =========================
-# STAR 構造分析
-# =========================
-
-STAR_LABELS_JP = [
-    "Situation(状況)",
-    "Task(課題)",
-    "Action(行動)",
-    "Result(結果)",
-    "Other(その他)",
-]
-
-STAR_KEY_MAP = {
-    "Situation(状況)": "S",
-    "Task(課題)": "T",
-    "Action(行動)": "A",
-    "Result(結果)": "R",
-    "Other(その他)": "O",
-}
-
-
-def classify_sentence_star(sentence: str) -> Dict[str, Any]:
-    """
-    1文を STAR のどれに近いかゼロショット分類する。
-    multi_label=False とし、最も近いラベルのみ採用。
-    出力例:
-    {
-        "sentence": "...",
-        "star_label": "S",
-        "raw_label": "Situation(状況)",
-        "score": 0.87
-    }
-    """
-    if not sentence.strip():
-        return {
-            "sentence": sentence,
-            "star_label": "O",
-            "raw_label": "Other(その他)",
-            "score": 0.0,
-        }
-
-    result = zero_shot_classifier(
-        sentence,
-        candidate_labels=STAR_LABELS_JP,
-        multi_label=False,
-    )
-    raw_label = result["labels"][0]
-    score = float(result["scores"][0])
-    star_label = STAR_KEY_MAP.get(raw_label, "O")
-
-    return {
-        "sentence": sentence,
-        "star_label": star_label,
-        "raw_label": raw_label,
-        "score": score,
-    }
-
-
-def analyze_star_structure(text: str) -> Dict[str, Any]:
-    """
-    自己PRテキストの STAR 構造（S/T/A/R がどの程度含まれているか）を分析。
-    出力例:
-    {
-        "coverage": {
-            "S": true,
-            "T": true,
-            "A": true,
-            "R": false
-        },
-        "star_score": 0.75,
-        "per_sentence": [...],
-        "missing_elements": ["R"],
-        "comment": "結果(Result)の記述が弱いため、成果をより具体的に書くと良いです。"
-    }
-    """
-    sentences = split_sentences(text)
-    if not sentences:
-        return {
-            "coverage": {k: False for k in ["S", "T", "A", "R"]},
-            "star_score": 0.0,
-            "per_sentence": [],
-            "missing_elements": ["S", "T", "A", "R"],
-            "comment": "文章が空か極端に短いため、STAR 構造の判定ができません。",
-        }
-
-    per_sentence_results = [
-        classify_sentence_star(s) for s in sentences
-    ]
-
-    coverage = {k: False for k in ["S", "T", "A", "R"]}
-    for r in per_sentence_results:
-        key = r["star_label"]
-        if key in coverage:
-            coverage[key] = True
-
-    missing = [k for k, v in coverage.items() if not v]
-    star_score = sum(1 for v in coverage.values() if v) / 4.0
-
-    # コメント生成（シンプルなヒューリスティック）
-    if not missing:
-        comment = "STAR の各要素（状況・課題・行動・結果）が一通り含まれています。構成としてバランスは良好です。"
-    else:
-        parts = []
-        mapping_jp = {"S": "状況(Situation)", "T": "課題(Task)", "A": "行動(Action)", "R": "結果(Result)"}
-        for m in missing:
-            parts.append(mapping_jp[m])
-        missing_jp = "・".join(parts)
-        comment = (
-            f"{missing_jp} の要素が弱い／不足しています。"
-            "不足している要素を具体的に書き足すと、より論理的で説得力のある自己PRになります。"
-        )
-
-    return {
-        "coverage": coverage,
-        "star_score": star_score,
-        "per_sentence": per_sentence_results,
-        "missing_elements": missing,
-        "comment": comment,
-    }
-
-
-# =========================
-# ES 全体の評価インターフェース
-# =========================
-
-def evaluate_entry_sheet(
-    self_pr: str,
-    motivation: Optional[str] = None,
-) -> Dict[str, Any]:
-    """
-    ES の自己PR（必須）、志望動機（任意）を入力として、
-    感情・トーン・STAR 構造をまとめて評価するインターフェース。
-    """
-    texts = [self_pr]
-    if motivation:
-        texts.append(motivation)
-    full_text = "\n".join([t for t in texts if t])
-
-    sentiment = analyze_sentiment(full_text)
-    tone = analyze_tone(full_text)
-    star = analyze_star_structure(self_pr)  # STAR は主に自己PRに対して実行
-
-    return {
-        "input": {
-            "self_pr": self_pr,
-            "motivation": motivation,
-        },
-        "sentiment": sentiment,
-        "tone": tone,
-        "star": star,
-    }
-
-
-# =========================
-# 単体テスト用の簡易実行
-# =========================
-
-if __name__ == "__main__":
-    sample_self_pr = """
-    私は大学時代、サッカー部の主将としてチームをまとめました。
-    チームは当初、練習への参加率が低く、公式戦でも連敗が続いていました。
-    そこで私は、メンバー全員への個別ヒアリングを行い、参加しづらい理由や不満点を把握しました。
-    その上で、練習メニューの見直しや役割分担の明確化を提案し、自ら先頭に立って行動しました。
-    その結果、練習参加率は 50% から 85% に向上し、公式戦でも県大会ベスト8まで進出することができました。
-    """
-
-    sample_motivation = """
-    貴社を志望する理由は、ヘルスケア領域でデータとテクノロジーを活用し、
-    社会的インパクトの大きいサービスを創出している点に強く共感したためです。
-    """
-
-    result = evaluate_entry_sheet(sample_self_pr, sample_motivation)
-    import json
-    print(json.dumps(result, ensure_ascii=False, indent=2))