Update app.py

app.py

@@ -1,7 +1,261 @@
 # app.py
+from typing import List, Dict, Any, Optional
+import re
+import json
+
 import gradio as gr
-from es_advanced_evaluator import evaluate_entry_sheet
+from transformers import 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,
+    }
+
 
+# =========================
+# Gradio 用ラッパー
+# =========================
 
 def evaluate_es(self_pr: str, motivation: str):
     """