Upload reasoning_chain_extractor.py with huggingface_hub

reasoning_chain_extractor.py

@@ -0,0 +1,160 @@
+def extract_concepts(text: str) -> list:
+    """
+    文章から医学的概念を抽出します。
+    この関数はダミー実装であり、実際のプロジェクトでは
+    MeSHやUMLSなどの医学オントロジー、あるいはより高度なNERモデルを
+    使用して実装する必要があります。
+    
+    Args:
+        text (str): 分析対象のテキスト。
+
+    Returns:
+        list: 抽出された概念のリスト。
+    """
+    # プレースホルダー実装
+    concepts = []
+    if "心筋梗塞" in text:
+        concepts.append("心筋梗塞")
+    if "心電図" in text:
+        concepts.append("心電図")
+    if "トロポニン" in text:
+        concepts.append("トロポニン")
+    return concepts
+
+def estimate_confidence(sentence: str) -> float:
+    """
+    文中の表現から確実性を推定します。
+    (0.0 - 1.0の範囲のスコアを返す)
+    """
+    high_confidence_phrases = [
+        "必ず", "常に", "確実に", "証明されている", "である"
+    ]
+    medium_confidence_phrases = [
+        "通常は", "多くの場合", "一般的に", "考えられている"
+    ]
+    low_confidence_phrases = [
+        "かもしれない", "可能性がある", "推測される", "示唆される", "仮説として"
+    ]
+    
+    # 完全な一致ではなく、部分的な一致を許容するため 'in' を使用
+    if any(phrase in sentence for phrase in high_confidence_phrases):
+        return 0.85
+    elif any(phrase in sentence for phrase in medium_confidence_phrases):
+        return 0.60
+    elif any(phrase in sentence for phrase in low_confidence_phrases):
+        return 0.35
+    else:
+        # デフォルトは中間的な信頼度よりやや下
+        return 0.50
+
+def classify_depth(sentence: str) -> int:
+    """
+    文の内容から医学的な深さを5段階で分類します。
+    1=症状, 2=診断, 3=機序, 4=分子, 5=複合
+    """
+    depth_keywords = {
+        1: ["症状", "訴え", "患者が感じる", "胸痛", "息切れ"],
+        2: ["検査", "所見", "診断基準", "心電図", "バイオマーカー", "トロポニン"],
+        3: ["メカニズム", "機序", "なぜ", "原因", "血流", "虚血"],
+        4: ["分子", "遺伝子", "酵素", "受容体", "細胞", "イオン"],
+        5: ["複合", "相互作用", "システム", "統合", "複数の因子"]
+    }
+    
+    for level, keywords in reversed(list(depth_keywords.items())):
+        if any(keyword in sentence for keyword in keywords):
+            return level
+    
+    return 2  # デフォルト：診断レベル
+
+def extract_reasoning_chain(deepseek_response: dict) -> list:
+    """
+    DeepSeek R1の<thinking>セクションから推論ステップを抽出します。
+    
+    Args:
+        deepseek_response (dict): 'thinking'キーを含むDeepSeek APIのレスポンス。
+
+    Returns:
+        list: 各ステップが辞書として格納されたリスト。
+    """
+    thinking_text = deepseek_response.get("thinking", "")
+    if not thinking_text:
+        return []
+    
+    # 推論の区切りとなりうるマーカー
+    reasoning_markers = [
+        "まず", "次に", "その結果", "さらに", "これは～という理由で",
+        "～を考えると", "～に基づいて", "したがって", "一方で"
+    ]
+    
+    # テキストを文（「。」）で分割
+    sentences = thinking_text.replace("。。", "。\n").split("\n")
+    sentences = [s.strip() for s in sentences if s.strip()]
+    
+    reasoning_steps = []
+    current_step_text = ""
+    
+    for i, sentence in enumerate(sentences):
+        # マーカーで始まる場合、または前のステップが長すぎる場合に新しいステップを開始
+        is_new_step = any(sentence.startswith(marker) for marker in reasoning_markers)
+        if is_new_step and current_step_text:
+            reasoning_steps.append(current_step_text)
+            current_step_text = sentence
+        else:
+            current_step_text += (" " + sentence) if current_step_text else sentence
+
+    if current_step_text:
+        reasoning_steps.append(current_step_text)
+
+    # 抽出したステップを構造化データに変換
+    structured_steps = []
+    for i, step_text in enumerate(reasoning_steps):
+        step = {
+            "sequence": i,
+            "text": step_text,
+            "confidence": estimate_confidence(step_text),
+            "concepts": extract_concepts(step_text),
+            "depth_level": classify_depth(step_text)
+        }
+        structured_steps.append(step)
+    
+    return structured_steps
+
+# --- 使用例 ---
+if __name__ == "__main__":
+    # deepseek_prompt_templates.py からのダミーレスポンスを想定
+    dummy_response = {
+        'thinking': 'まず、心筋梗塞の定義から始めます。これは心筋への血流が途絶えることで心筋が壊死する状態です。次に、診断のゴールド���タンダードであるトロポニン測定について考慮します。これは～という理由で重要です。さらに心電図の変化も重要な所見です。ST上昇が見られる場合、緊急性が高いと判断されます。',
+        'response': '...'
+    }
+
+    print("--- 推論チェーンの抽出テスト ---")
+    reasoning_chain = extract_reasoning_chain(dummy_response)
+
+    for step in reasoning_chain:
+        print(f"\nステップ {step['sequence']}:")
+        print(f"  テキスト: {step['text']}")
+        print(f"  信頼度: {step['confidence']:.2f}")
+        print(f"  深さレベル: {step['depth_level']}")
+        print(f"  関連概念: {step['concepts']}")
+
+    # 出力例：
+    #
+    # --- 推論チェーンの抽出テスト ---
+    #
+    # ステップ 0:
+    #   テキスト: まず、心筋梗塞の定義から始めます。 これは心筋への血流が途絶えることで心筋が壊死する状態です。
+    #   信頼度: 0.85
+    #   深さレベル: 3
+    #   関連概念: ['心筋梗塞']
+    #
+    # ステップ 1:
+    #   テキスト: 次に、診断のゴールドスタンダードであるトロポニン測定について考慮します。 これは～という理由で重要です。
+    #   信頼度: 0.85
+    #   深さレベル: 2
+    #   関連概念: ['トロポニン']
+    #
+    # ステップ 2:
+    #   テキスト: さらに心電図の変化も重要な所見です。 ST上昇が見られる場合、緊急性が高いと判断されます。
+    #   信頼度: 0.85
+    #   深さレベル: 2
+    #   関連概念: ['心電図']