⛔

求人ポエムの「本気度」をPythonでざっくり調査

に公開
2025/08/17

スカウト文や求人票に潜む「ふわっと度」と「本気度」を、PythonとStreamlitでざっくり分析してみました。
夢みたいな表現が多い文章がどれくらい本気なのか、一目でわかります。

はじめに

転職活動をしていると、
 「何をやっている会社なの❓」
 「どのポジションなの❓」
と疑問に思うような求人やスカウト文ってありますよね。

求職側はAIで選別されるのに、なぜ企業側を判定してくれるツールはないんだろう?
と思ったので、自分で作ってみました。

その名も ふわっと判定くん(ダサい自覚はあります)。

文章を入力すると求人ポエムを見破り
・ どのくらいふわっとしているか
・ どのくらい具体的で本気か
をスコアで表示してくれます。

データ集めと辞書作成

まずは素材集めから。
スカウト文や求人票を集めて、そこに出てくるふわっとワードと具体ワードを分類します。

  • ふわっとワード例(ポエム感強め)

    • 「未来を」「世界を変える」「ワクワク」「一緒に創造」など
  • 具体ワード例(実務内容が明確)

    • 「アジャイル開発」「セキュリティ」「API開発」など

このワードをかき集めて、スコア付き辞書を作ります。

CSV 例

判定 ワード スコア
ふわっと 夢 0.9
ふわっと 自由 0.8
ふわっと ワクワク 0.9
本気 Node.js 0.8
本気 テスト自動化 0.9
本気 開発プロセス 0.8
ふわっと/本気って❓

「ふわっと」「本気」という表現にしているのは…
あ○しい会社の判定って書けない、大人の事情です🙊

補足

  • スコアの意味

    • 0.1〜1で、数字が大きいほど「ふわっと度/本気度」が強い
  • 辞書の拡張性

    • 新しいワードを随時追加可能(今のところ手動)
    • CSV を差し替えるだけで分析対象を変えられる
  • 💡ポイント

    • 「ふわっとワード」は文脈で使われる曖昧な表現を想定
    • 「本気ワード」は技術・業務内容が明確なものを想定

UI化

コード

import streamlit as st
import pandas as pd
import re
import time
import altair as alt

# -----------------------------
#  CSV辞書読み込み or アップロード
# -----------------------------
st.set_page_config(layout="wide")
st.title("ふわっと度・本気度スコア判定ツール(部分一致版)")

st.markdown("""
- 複数文章は空行で区切って貼り付けてください  
- 単語ごとのスコア内訳と棒グラフも表示します  
- スコア計算ボタンで明示的に分析開始
""")

uploaded_file = st.file_uploader("辞書CSVをアップロード (任意)", type="csv")

if uploaded_file is not None:
    df_dict = pd.read_csv(uploaded_file, encoding="utf-8-sig", dtype={'ワード': str})
else:
    df_dict = pd.read_csv("word_dict_filtered.csv", encoding="utf-8-sig", dtype={'ワード': str})

fuwatto_dict = dict(zip(df_dict[df_dict['判定']=='ふわっと']['ワード'],
                        df_dict[df_dict['判定']=='ふわっと']['スコア']))
honki_dict = dict(zip(df_dict[df_dict['判定']=='本気']['ワード'],
                      df_dict[df_dict['判定']=='本気']['スコア']))

# -----------------------------
#  文章分析関数
# -----------------------------
def analyze_text_whole(text):
    text_lower = text.lower()
    f_score = sum(score for word, score in fuwatto_dict.items() if word.lower() in text_lower)
    g_score = sum(score for word, score in honki_dict.items() if word.lower() in text_lower)
    total = f_score + g_score
    if total < 0.1:
        f_ratio = 0
        g_ratio = 0
    else:
        f_ratio = f_score / total
        g_ratio = g_score / total
    return f_ratio, g_ratio, f_score, g_score

def word_score_breakdown_whole(text):
    text_lower = text.lower()
    f_words = [(word, fuwatto_dict[word]) for word in fuwatto_dict if word.lower() in text_lower]
    g_words = [(word, honki_dict[word]) for word in honki_dict if word.lower() in text_lower]
    return f_words, g_words

# -----------------------------
#  Streamlit UI
# -----------------------------
user_text = st.text_area("分析したい文章を貼り付けてください", height=200)

if st.button("スコア計算"):
    if user_text.strip() == "":
        st.warning("文章を入力してください")
    else:
        texts = re.split(r'\n{2,}', user_text)
        results = []
        total_f = 0
        total_g = 0

        progress_bar = st.progress(0)
        status_text = st.empty()
        status_text.text("分析中です…少々お待ちください")

        for i, t in enumerate(texts):
            f_ratio, g_ratio, f_score, g_score = analyze_text_whole(t)
            f_words, g_words = word_score_breakdown_whole(t)

            # 累計スコアが0.1未満の文章は非表示
            if f_score + g_score < 0.1:
                continue

            results.append({
                "文章": t,
                "ふわっと比率": f"{f_ratio*100:.1f}%",
                "本気比率": f"{g_ratio*100:.1f}%",
                "ふわっと累計": f_score,
                "本気累計": g_score,
                "ふわっと単語": ", ".join([f"{w}({s})" for w, s in f_words]),
                "本気単語": ", ".join([f"{w}({s})" for w, s in g_words])
            })
            total_f += f_score
            total_g += g_score

            progress_bar.progress((i+1)/len(texts))
            time.sleep(0.05)

        status_text.text("分析完了 ✅")

        df_results = pd.DataFrame(results)
        st.subheader("分析結果一覧(比率&累計スコア)")
        st.dataframe(df_results)

        st.subheader("全文章合計スコア")
        st.write(f"ふわっと累計スコア: {total_f:.2f}")
        st.write(f"本気累計スコア: {total_g:.2f}")

処理の流れ

1️⃣ 辞書の読み込み

  • ユーザーが 辞書CSVをアップロード するか、デフォルトCSV (word_dict_filtered.csv) を使用
  • CSVには 判定タイプ(ふわっと/本気)・ワード・スコア が記載されている
  • それぞれの判定タイプごとに Pythonの辞書(dict) に変換して高速参照用に準備

2️⃣ 文章入力

  • ユーザーが Streamlit UI の テキストエリア に分析したい文章を入力
  • 複数文章がある場合は 空行で区切る

3️⃣ 文章ごとの分析

  • テキストを改行2つ以上で分割し、文章単位にする
  • 各文章ごとに以下を計算
    • ふわっと累計スコア:文章内に出現する「ふわっとワード」のスコア合計
    • 本気累計スコア:文章内に出現する「本気ワード」のスコア合計
    • 比率計算:累計スコアの合計が0.1以上なら、ふわっと/本気比率を計算(累計スコア ÷ 合計スコア)
    • スコアが小さすぎる文章は分析対象外
    • 単語ごとのスコア一覧: (単語, スコア) を 単語(スコア) の形式で文字列化

4️⃣ 結果集計

  • 各文章の分析結果をリスト化し、最終的に DataFrame にまとめる
  • 全文章の 累計スコア(ふわっと/本気)も計算
  • f_ratio / g_ratio が None の場合は 0% 表示

5️⃣ ユーザー操作フロー

1. ターミナルでコマンド打ち、起動させる

streamlit run fuwatto-analyzer.py


2.「Browse files」ボタンで辞書CSVをアップロード


3. 分析したい文章を貼り付け「スコア計算」ボタンをクリック


4. 分析結果と比率グラフが即時表示

分析の結果は… 本気度 0%、ふわっと度 100% 👍!
まさに予想通り(?)の仕上がりです🎉

まとめ

まだ完全ではないけれど、スカウト文や求人票をざっと見て分析するには
そこそこ使えそうです。
気が向いたときに少しずつ育てていこうと思います。

・ 辞書の精度を上げて判定をより正確にする
・ 自動で辞書を作れるようにする
夢が広がりますね!

この「ふわっと判定くん」は、バイトや投資、美容、教育なんかにも使えそうなので
辞書が整ったら公開する予定です。

参考リンクについて

GitHubリポジトリ
本記事で紹介したコードやサンプルデータはこちらで公開しています。

Discussion