Entity Node

Entity Node — это фиксированный 4-словный (64-бит) пакет в потоке GEUL, идентифицирующий сущности (людей, места, объекты, организации, концепции и т.д.).

Сущность SIDX

Примеры:

• Трамп (бизнесмен) → SIDX_A
• Трамп (президент) → SIDX_B (другой SIDX)
• «Human + Male + Korea» → абстрактное «корейский мужчина»
• «Human + Male + Korea + 1946 + Business + …» → почти конкретная личность

Принципы проектирования

Отказ от встроенного Q-ID:

• Все биты инвестируются в чистое семантическое выравнивание
• Максимальная производительность SIMD-фильтрации WMS
• Q-ID связывается отдельно через Triple Edge: (Entity_SIDX, P-внешнийID, "Q12345")

Serial-биты не нужны:

• Запросы WMS двухэтапные: сужение через SIMD → детальная проверка внутри диапазона
• Serial — бессмысленное число, не помогающее SIMD
• Инвестирование этих бит в семантическое выравнивание сужает диапазон на первом этапе

Битовая раскладка (4 слова = 64 бита)

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

2nd WORD (16 бит)
┌─────────────────────────────┐
│     Attributes старшие 16 бит│
└─────────────────────────────┘

3rd WORD (16 бит)
┌─────────────────────────────┐
│     Attributes средние 16 бит│
└─────────────────────────────┘

4th WORD (16 бит)
┌─────────────────────────────┐
│     Attributes младшие 16 бит│
└─────────────────────────────┘

Mode (3 бита)

Mode объединяет квантификацию (Quantification) и число (Number) сущности в 3 битах.

Зарегистрированная сущность (Mode=0)

• Сущности, сопоставленные с внешними ID: Wikidata Q-ID, WordNet Synset и др.
• Q-ID связывается через Triple: (Entity_SIDX, P-внешнийID, "Q12345")
• Не связано с понятием числа: Samsung — «один», но не единственное; BTS — группа, но одна сущность

Местоимения/абстракции (Mode=1~7)

• Семантический диапазон задаётся через EntityType + Attributes
• Чем больше бит заполнено, тем конкретнее
• Пример: Human(Type) + Male(Attr) + Korea(Attr) = «корейский мужчина»

EntityType (6 бит = 64 типа)

64 верхних типа назначаются на основе частотной статистики Wikidata P31 (instance of). Детализация обрабатывается через биты подклассов в Attributes.

Таблица кодов (все 64)

Attributes (48 бит)

Переменная схема по типу, интерпретируемая по-разному для каждого EntityType. Высокочастотным атрибутам выделяется больше бит. Напрямую используется в SIMD-фильтрации WMS.

Атрибуты Human (0x00)

┌──────────┬────────┬────────┬──────┬────────┬────────┬─────────┬──────────┬────────────┬──────────┐
│ Подкласс │Профес. │Гражд.  │ Эпоха│Декада  │  Пол   │Извест.  │  Язык    │Регион рожд.│Сфера деят│
│  5bit    │  6bit  │  8bit  │ 4bit │  4bit  │  2bit  │  3bit   │  6bit    │   6bit     │   4bit   │
└──────────┴────────┴────────┴──────┴────────┴────────┴─────────┴──────────┴────────────┴──────────┘
offset:  0        5       11      19     23      27      29        32         38          44

Атрибуты Star (0x0C)

┌────────────┬────────────┬──────────┬──────────┬────────┬────────┬──────────┬──────────┬────────┬────────┐
│Созвездие   │Спектр. тип │Класс свет│Видимая зв│Прямое в│Склонен.│  Флаги   │Луч. скор.│Красн.см│Параллак│
│   7bit     │    4bit    │   3bit   │  4bit    │  4bit  │  4bit  │   6bit   │   5bit   │  5bit  │  4bit  │
└────────────┴────────────┴──────────┴──────────┴────────┴────────┴──────────┴──────────┴────────┴────────┘

Определение флаговых бит:

• bit0: IR (инфракрасный источник)
• bit1: Radio (радиоисточник)
• bit2: X-ray (рентгеновский источник)
• bit3: Binary (двойная звезда)
• bit4: Variable (переменная звезда)
• bit5: HighPM (собственное движение)

Операции

Создание Entity

def make_entity(
    mode: int,           # 3 бита
    entity_type: int,    # 6 бит
    attrs: int           # 48 бит
) -> bytes:
    PREFIX = 0b0001001   # 7 бит (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')
    )

Разбор 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
    }

Примеры

Зарегистрированная сущность: Суворов

# Суворов (Q131149)
suvorov = make_entity(
    mode=0,              # Зарегистрированная сущность
    entity_type=0x00,    # Human
    attrs=(
        (0x06 << 43) |   # Подкласс: Military
        (0x01 << 37) |   # Профессия: General
        (0x52 << 29) |   # Гражданство: Russia
        (0x5 << 25) |    # Эпоха: Early Modern
        (0x0 << 21) |    # Декада: 1730s
        (0x01 << 19) |   # Пол: Male
        (0x7 << 16)      # Известность: 1000+
    )
)
# Связь Q-ID: Triple(suvorov_SIDX, P-внешнийID, "Q131149")

Абстракция: «все русские мужчины»

all_russian_men = make_entity(
    mode=4,              # Универсальная (все)
    entity_type=0x00,    # Human
    attrs=(
        (0x52 << 29) |   # Гражданство: Russia
        (0x01 << 19)     # Пол: Male
    )
)

Сопоставление подтипов

Многие типы Wikidata являются подтипами 64 EntityType. Кодировщик маршрутизирует значение P31 в соответствующий верхний тип.

Покрытие

Связь Q-ID

Entity Node не содержит Q-ID внутри, а связывается через Triple Edge.

Subject:  Entity_SIDX (64 бита)
Property: P-внешнийID (напр. P-Wikidata)
Object:   "Q12345" (строка или число)