Upload src/coordinate_mapper.py with huggingface_hub

src/coordinate_mapper.py

@@ -0,0 +1,103 @@
+import math
+from typing import Dict, Any, List
+
+# 既存のモジュールをインポート
+# calculate_granularity は粒度を計算するもので、ドメインに依存しないためそのまま利用
+from certainty_calculation_formula import calculate_granularity
+
+def assign_verification_score(concepts: list, sources: list) -> float:
+    """検証スコアを割り当てるダミー関数"""
+    score = 50.0
+    if sources:
+        score += len(sources) * 5.0
+    return score
+
+class CoordinateMapper:
+    """
+    LLMの思考プロセス（推論ステップ）を、動的に読み込まれたドメインスキーマに
+    基づいてドメイン固有の空間座標に変換する汎用マッパー。
+    """
+    def __init__(self, domain_schema: Dict[str, Any]):
+        """
+        特定のドメインスキーマを元にマッパーを初期化します。
+
+        Args:
+            domain_schema (Dict[str, Any]): 対象ドメインのスキーマ。
+        """
+        if not domain_schema:
+            raise ValueError("ドメインスキーマが提供されていません。")
+        self.schema = domain_schema
+        self.keyword_map = self.schema.get("keyword_map", {})
+
+    def map_reasoning_to_domain_space(self, reasoning_steps: List[Dict]) -> List[Dict]:
+        """
+        抽出された推論ステップを、当マッパーに設定されたドメインの空間座標に変換します。
+
+        Args:
+            reasoning_steps (List[Dict]): reasoning_chain_extractor.pyから得られる推論ステップのリスト。
+
+        Returns:
+            List[Dict]: 座標情報が付与された辞書のリスト。
+        """
+        coordinates = []
+        full_text = " ".join(step["text"] for step in reasoning_steps)
+        
+        # 全体のテキストから主要な座標を推定（デフォルト値として使用）
+        default_coord = [50, 50, 50]
+        axis_map = {'x': 0, 'y': 1, 'z': 2}
+        for axis_name, axis_index in axis_map.items():
+             axis_keywords = [kw for kw in self.keyword_map if self.keyword_map[kw]['axis'] == axis_name and kw in full_text]
+             if axis_keywords:
+                 default_coord[axis_index] = self.keyword_map[axis_keywords[0]]['coord']
+
+        for step in reasoning_steps:
+            coord = list(default_coord)
+            # ステップ内のキーワードで座標を上書き
+            step_keywords = [kw for kw in self.keyword_map if kw in step["text"]]
+            for kw in step_keywords:
+                axis_name = self.keyword_map[kw]['axis']
+                axis_index = axis_map[axis_name]
+                coord[axis_index] = self.keyword_map[kw]['coord']
+            
+            # メタ軸の計算
+            c = int(step["confidence"] * 100)
+            word_count = len(step["text"].split())
+            g = calculate_granularity(word_count)
+            v = assign_verification_score(step["concepts"], [])
+            
+            coordinates.append({
+                "step_sequence": step["sequence"],
+                "reasoning_text": step["text"],
+                "coordinate": {
+                    "medical_space": tuple(coord), # スキーマ名に合わせて変更が必要だが、ここでは固定
+                    "meta_space": (c, g, v)
+                },
+                "concept_tags": step["concepts"],
+                "confidence": step["confidence"]
+            })
+        
+        return coordinates
+
+# --- 使用例 ---
+if __name__ == "__main__":
+    from domain_manager import DomainManager
+    from reasoning_chain_extractor import extract_reasoning_chain
+
+    # 1. ドメインマネージャを初期化
+    domain_manager = DomainManager()
+
+    # 2. ダミーの推論ステップを用意
+    dummy_reasoning_chain = [
+        {'sequence': 0, 'text': 'まず、民法における契約の定義から始めます。', 'confidence': 0.9, 'concepts': ['民法', '契約']},
+        {'sequence': 1, 'text': '次に、具体的な判例を元に解釈を深めます。', 'confidence': 0.8, 'concepts': ['判例', '解釈']}
+    ]
+
+    # 3. 法学ドメイン用のマッパーを生成して実行
+    print("--- Case: Legal Domain ---")
+    legal_schema = domain_manager.get_schema("legal")
+    legal_mapper = CoordinateMapper(legal_schema)
+    
+    legal_coordinates = legal_mapper.map_reasoning_to_domain_space(dummy_reasoning_chain)
+
+    import json
+    print(json.dumps(legal_coordinates, indent=2, ensure_ascii=False))