Spaces:
Running on Zero
Running on Zero
Download scripts/preparer_grille.py from Myz0/CV-Matching: direct link, hf CLI and curl.
- Browser
- Download file 5.2 kB
-
https://huggingface.co/spaces/Myz0/CV-Matching/resolve/main/scripts/preparer_grille.py
- Command line
-
hf download hf://spaces/Myz0/CV-Matching/scripts/preparer_grille.py
-
curl -L -o preparer_grille.py https://huggingface.co/spaces/Myz0/CV-Matching/resolve/main/scripts/preparer_grille.py
5.2 kB
| """Prépare la grille d'étiquetage humaine (vérité terrain indépendante) sur le jeu de test. | |
| Pour chacun des 18 CV de exemples/cv_banc.json (jamais utilisés pour régler le service), deux AVP : | |
| - le poste visé (ou, pour un profil hors domaine, le poste que le service met en tête), | |
| - le poste concurrent le plus proche selon le service (la distinction la plus difficile). | |
| Soit 36 couples, mélangés (graine fixe) et SANS aucun score : les évaluateurs jugent à l'aveugle. | |
| Écrit : | |
| exemples/grille_etiquetage.csv à remplir : decision_evaluateur_1, decision_evaluateur_2 | |
| (convoquer / peut-être / écarter), et un commentaire par évaluateur | |
| exemples/grille_etiquetage.md aide à la lecture : chaque CV et les exigences de chaque AVP | |
| exemples/grille_correspondance.json code neutre (CV-01…) -> identifiant du banc ; NE PAS le montrer aux | |
| évaluateurs (les identifiants du banc disent « parfait », « hors »…) | |
| Ensuite : python -m scripts.accord_humain | |
| Lancer depuis la racine du projet (archive des 24 AVP) : | |
| $env:DATASET_REVISION="1bb92a09a4ff6aa6e9488ee954085019abba7747"; $env:DATASET_DERNIERE="false" | |
| python -m scripts.preparer_grille | |
| """ | |
| import csv | |
| import json | |
| import random | |
| from pathlib import Path | |
| import numpy as np | |
| from app.cv_texte import phrases_du_cv | |
| from scripts.comparer_systemes import apprendre_tfidf, calculer, charger | |
| RACINE = Path(__file__).resolve().parent.parent | |
| SERVICE = "Service (embeddings + reranker)" | |
| COLONNES = ["paire", "id_avp", "titre_avp", "id_cv", "titre_cv", "decision_evaluateur_1", "commentaire_evaluateur_1", | |
| "decision_evaluateur_2", "commentaire_evaluateur_2"] | |
| def main(): | |
| grille = RACINE / "exemples/grille_etiquetage.csv" | |
| if grille.exists() and any(l.get(k) for l in csv.DictReader(grille.open(encoding="utf-8-sig"), delimiter=";") | |
| for k in ("decision_evaluateur_1", "decision_evaluateur_2")): | |
| raise SystemExit("exemples/grille_etiquetage.csv contient déjà des décisions : elle n'est pas écrasée " | |
| "(la renommer pour en préparer une nouvelle).") | |
| store, enc = charger() | |
| ids = list(store.prepares) | |
| banc = json.loads((RACINE / "exemples/cv_banc.json").read_text(encoding="utf-8")) | |
| m = calculer(store, enc, apprendre_tfidf(store, banc), banc)[SERVICE] | |
| paires = [] | |
| for k, cv in enumerate(banc): | |
| ordre = list(np.argsort(-m[k])) | |
| cibles = [a for a, i in enumerate(ids) if any(i.startswith(x) for x in cv["_cible"] or [])] | |
| premier = cibles[0] if cibles else ordre[0] | |
| concurrent = next(a for a in ordre if a != premier and a not in cibles) | |
| for a in (premier, concurrent): | |
| paires.append({"id_avp": ids[a], "titre_avp": store.prepares[ids[a]].titre, | |
| "id_cv": cv["_id"], "titre_cv": cv["basics"]["label"]}) | |
| random.Random(7).shuffle(paires) | |
| codes = [cv["_id"] for cv in banc] | |
| random.Random(11).shuffle(codes) | |
| code = {i: f"CV-{n:02d}" for n, i in enumerate(codes, 1)} # codes neutres, sans « parfait » ni « hors » | |
| for p in paires: | |
| p["id_cv"] = code[p["id_cv"]] | |
| (RACINE / "exemples/grille_correspondance.json").write_text( | |
| json.dumps({c: i for i, c in code.items()}, indent=1, ensure_ascii=False), encoding="utf-8") | |
| with grille.open("w", encoding="utf-8-sig", newline="") as f: | |
| w = csv.DictWriter(f, fieldnames=COLONNES, delimiter=";", restval="") | |
| w.writeheader() | |
| for n, p in enumerate(paires, 1): | |
| w.writerow({"paire": n, **p}) | |
| lignes = ["# Grille d'étiquetage : aide à la lecture", "", | |
| "Pour chaque paire de `grille_etiquetage.csv`, lisez le CV et l'AVP ci-dessous, puis notez **sans regarder " | |
| "les scores du service** : `convoquer` (je le recevrais en entretien), `peut-être`, ou `écarter`.", | |
| "Évaluateur 1 : toutes les paires. Évaluateur 2 : au moins 15 paires, sans voir les réponses de l'évaluateur 1.", "", | |
| "## Les CV", ""] | |
| for cv in sorted(banc, key=lambda c: code[c["_id"]]): | |
| lignes += [f"### {code[cv['_id']]} — {cv['basics']['label']}", ""] | |
| lignes += [f"- {t}" for t, _ in phrases_du_cv(cv)] + [""] | |
| lignes += ["## Les AVP (exigences notées par le service)", ""] | |
| for i in sorted({p["id_avp"] for p in paires}): | |
| p = store.prepares[i] | |
| lignes += [f"### {i} — {p.titre}", ""] | |
| lignes += [f"- {t}" for (t, _), se in zip(p.attendus, p.savoir_etre) if not se] | |
| lignes += [f"- *Savoir-être :* {', '.join(t for (t, _), se in zip(p.attendus, p.savoir_etre) if se)}"] | |
| if p.prerequis: | |
| lignes += [f"- *Prérequis :* {', '.join(t for t, _ in p.prerequis)}"] | |
| lignes += [""] | |
| (RACINE / "exemples/grille_etiquetage.md").write_text("\n".join(lignes), encoding="utf-8") | |
| print(f"{len(paires)} paires écrites dans exemples/grille_etiquetage.csv (+ aide : exemples/grille_etiquetage.md)") | |
| if __name__ == "__main__": | |
| main() | |