Entity Node

Entity Node es un paquete de longitud fija de 4 palabras (64 bits) que identifica entidades (personas, lugares, objetos, organizaciones, conceptos, etc.) en el flujo GEUL.

Esencia de SIDX

Ejemplos:

• Trump (empresario inmobiliario) → SIDX_A
• Trump (presidente) → SIDX_B (SIDX diferente)
• “Human + Male + Korea” → abstracto “hombre coreano”
• “Human + Male + Korea + 1946 + Business + …” → casi una persona específica

Principios de diseño

Renuncia a Q-ID interno:

• Inversión total de bits en alineación semántica pura
• Maximización del rendimiento de filtrado SIMD de WMS
• Q-ID se conecta por separado mediante Triple: (Entity_SIDX, P-externalID, "Q12345")

Serial bits innecesarios:

• Las consultas WMS tienen 2 fases: reducción de rango con SIMD → verificación de detalle dentro del rango
• Serial es un número sin significado, no contribuye a SIMD
• Invertir esos bits en alineación semántica permite reducir más en la primera fase

Disposición de bits (4 palabras = 64 bits)

1st WORD (16 bits)
┌─────────┬──────┬────────────┐
│ Prefix  │ Mode │ EntityType │
│  7bit   │ 3bit │   6bit     │
└─────────┴──────┴────────────┘

2nd WORD (16 bits)
┌─────────────────────────────┐
│   Attributes superiores 16 bits  │
└─────────────────────────────┘

3rd WORD (16 bits)
┌─────────────────────────────┐
│   Attributes medios 16 bits      │
└─────────────────────────────┘

4th WORD (16 bits)
┌─────────────────────────────┐
│   Attributes inferiores 16 bits  │
└─────────────────────────────┘

Mode (3 bits)

Mode expresa de forma unificada la cuantificación y el número de la entidad en 3 bits.

Entidad registrada (Mode=0)

• Entidades mapeadas a IDs externos como Q-IDs de Wikidata, Synsets de WordNet, etc.
• El Q-ID se conecta mediante Triple: (Entity_SIDX, P-externalID, "Q12345")
• Independiente del concepto de número: Samsung es “uno” pero es ambiguo decir singular, BTS es un grupo pero es una sola entidad

Pronombres/abstractos (Mode=1~7)

• Se especifica el rango semántico con EntityType + Attributes
• Cuantos más bits se llenen, más concreto es
• Ejemplo: Human(Type) + Male(Attr) + Korea(Attr) = “hombre coreano”

EntityType (6 bits = 64)

Se asignan 64 tipos superiores basados en estadísticas de frecuencia de Wikidata P31 (instance of). La clasificación detallada se maneja con bits de subcategoría dentro de Attributes.

Tabla de códigos (64 completos)

Attributes (48 bits)

Es un esquema variable por tipo que se interpreta con diferente significado para cada EntityType. Se asignan más bits a los atributos de alta frecuencia y se utilizan directamente en el filtrado SIMD de WMS.

Human (0x00) Attributes

┌──────────┬────────┬────────┬──────┬────────┬────────┬─────────┬──────────┬────────────┬──────────┐
│ Subcateg.│ Ocup.  │ Nacion.│ Era  │ Década │ Sexo   │ Notor.  │ Idioma   │ Región nac.│ Campo act│
│  5bit    │  6bit  │  8bit  │ 4bit │  4bit  │  2bit  │  3bit   │  6bit    │   6bit     │   4bit   │
└──────────┴────────┴────────┴──────┴────────┴────────┴─────────┴──────────┴────────────┴──────────┘
offset:  0        5       11      19     23      27      29        32         38          44

Star (0x0C) Attributes

┌────────────┬────────────┬──────────┬──────────┬────────┬────────┬──────────┬──────────┬────────┬────────┐
│ Constelac. │ Tipo espec.│ Cl. lum. │ Mag. ap. │ AR     │ Dec    │ Flags    │ Vel. rad.│ Corr.roj│ Paral. │
│   7bit     │    4bit    │   3bit   │  4bit    │  4bit  │  4bit  │   6bit   │   5bit   │  5bit  │  4bit  │
└────────────┴────────────┴──────────┴──────────┴────────┴────────┴──────────┴──────────┴────────┴────────┘

Definición de bits de flags:

• bit0: IR (fuente infrarroja)
• bit1: Radio (fuente de radio)
• bit2: X-ray (fuente de rayos X)
• bit3: Binary (estrella binaria)
• bit4: Variable (estrella variable)
• bit5: HighPM (movimiento propio alto)

Operaciones

Creación de Entity

def make_entity(
    mode: int,           # 3 bits
    entity_type: int,    # 6 bits
    attrs: int           # 48 bits
) -> bytes:
    PREFIX = 0b0001001   # 7 bits (Entity Node)

    word1 = (PREFIX << 9) | (mode << 6) | entity_type
    word2 = (attrs >> 32) & 0xFFFF
    word3 = (attrs >> 16) & 0xFFFF
    word4 = attrs & 0xFFFF

    return (
        word1.to_bytes(2, 'big') +
        word2.to_bytes(2, 'big') +
        word3.to_bytes(2, 'big') +
        word4.to_bytes(2, 'big')
    )

Análisis de Entity

def parse_entity(data: bytes) -> dict:
    word1 = int.from_bytes(data[0:2], 'big')
    word2 = int.from_bytes(data[2:4], 'big')
    word3 = int.from_bytes(data[4:6], 'big')
    word4 = int.from_bytes(data[6:8], 'big')

    prefix = (word1 >> 9) & 0x7F
    mode = (word1 >> 6) & 0x7
    entity_type = word1 & 0x3F
    attrs = (word2 << 32) | (word3 << 16) | word4

    return {
        'prefix': prefix,
        'mode': mode,
        'entity_type': entity_type,
        'attrs': attrs
    }

Ejemplos

Entidad registrada: Yi Sun-sin

# Yi Sun-sin (Q211789)
yi_sun_sin = make_entity(
    mode=0,              # Entidad registrada
    entity_type=0x00,    # Human
    attrs=(
        (0x06 << 43) |   # Subcategoría: Military
        (0x01 << 37) |   # Ocupación: Admiral
        (0x52 << 29) |   # Nacionalidad: Korea
        (0x5 << 25) |    # Era: Early Modern
        (0x0 << 21) |    # Década: 1540s
        (0x01 << 19) |   # Sexo: Male
        (0x7 << 16)      # Notoriedad: 1000+
    )
)
# Conexión Q-ID: Triple(yi_sun_sin_SIDX, P-externalID, "Q211789")

Abstracto: “todos los hombres coreanos”

all_korean_men = make_entity(
    mode=4,              # Universal (todos)
    entity_type=0x00,    # Human
    attrs=(
        (0x52 << 29) |   # Nacionalidad: Korea
        (0x01 << 19)     # Sexo: Male
    )
)

Mapeo de subtipos

Muchos tipos de Wikidata son subtipos de los 64 EntityTypes. El codificador observa el valor P31 y lo enruta al tipo superior apropiado.

Cobertura

Conexión de Q-IDs

Entity Node no contiene Q-IDs internamente; se conectan por separado mediante Triple Edge.

Subject:  Entity_SIDX (64 bits)
Property: P-externalID (ej: P-Wikidata)
Object:   "Q12345" (cadena o entero)