cp500/multilingual-concept-training-kit

多语言概念训练套件是一个合成的跨领域训练工具，用于多语言概念瓶颈检索和推理。它支持英语、日语和韩语三种语言，涵盖六个领域：汽车移动性、金融资本市场、半导体硬件、能源商品、地缘政治国防和制药生物技术。数据集包含五个子集：检索三元组（约4,995行，用于训练跨语言SPLADE检索）、极性对（约991行，用于训练极性头、相反观点反转和Dempster-Shafer信念融合）、时间链（约366行，用于训练NEXT边、时间图和MCTS）、声明验证（约794行，用于训练NLI头和Dempster-Shafer验证），以及人物情感价（约112行，提供每个关系锚点的每人物情感价和理由）。所有数据基于一个共享的400锚点模式，包括类型化概念（如行动者、关系、特征、位置、市场）和多语言标记列表。数据集是合成的，通过AWS Bedrock生成，旨在用于微调多语言稀疏检索模型、训练信念头、极性分类器和时间推理模块。

A synthetic, cross-domain training kit for multilingual concept-bottleneck retrieval and reasoning. English / Japanese / Korean across six domains: automotive, energy, semiconductors, finance, geopolitics, pharma. Five datasets under one roof, all anchored to a shared 400-anchor schema with typed concepts (actor / relation / feature / location / market), multilingual token lists, and per-persona valence. Includes retrieval triplets (~4,995 rows), polarity pairs (~991 rows), temporal chains (~366 rows), claim verification (~794 rows), and persona valence (~112 rows). Generated via AWS Bedrock, intended for fine-tuning multilingual sparse retrieval models, training Dempster-Shafer belief heads, polarity classifiers, and temporal reasoning modules.