Entity Embeddings es una técnica de aprendizaje profundo no supervisada desarrollada por investigadores de Google Brain para representar estructuras en datos no estructurados. Es una extensión de la técnica de aprendizaje profundo conocida como incrustación de palabras. Mientras que las incrustaciones de palabras asignan palabras a un vector multidimensional, las incrustaciones de entidades asignan entidades, como entidades en un gráfico de conocimiento, a un vector multidimensional. Este espacio vectorial se puede utilizar para representar relaciones entre entidades o el gráfico de conocimiento completo en un único espacio vectorial.
La técnica de incrustación de entidades se introdujo por primera vez en un artículo de 2013 del investigador Tomas Mikolov y sus colegas de Google Brain. En el artículo, los autores propusieron un método para aprender representaciones distribuidas de entidades en un gráfico de conocimiento que puede usarse para razonamiento e inferencia sin necesidad de capacitación supervisada. Desde entonces, la técnica ha sido ampliamente adoptada, con aplicaciones en búsqueda personalizada, procesamiento del lenguaje natural y una variedad de otros campos.
El núcleo de la técnica Entity Embeddings es una red neuronal. La red toma como entrada un conjunto de entidades y sus relaciones y genera una representación distribuida del gráfico de conocimiento. Las relaciones se representan como bordes ponderados entre las entidades. Luego, estos bordes se utilizan para calcular una puntuación para cada entidad utilizando la siguiente ecuación: puntuación = (Peso*Entidad_Vector 1) + (Peso*Entidad_Vector 2) +… + (Peso*Entidad_Vector N). Esta puntuación se utiliza para representar la similitud entre las entidades y la fuerza de su relación.
La ventaja de utilizar incrustaciones de entidades es que permite una representación más precisa y rica de un gráfico de conocimiento que otros métodos, como el aprendizaje automático supervisado. Al aprender representaciones de datos sólidas sin la necesidad de realizar anotaciones manuales, las incrustaciones de entidades se pueden utilizar para capturar patrones y asociaciones con mayor precisión en datos complejos.
La técnica se ha vuelto cada vez más popular en los últimos años, y muchas empresas líderes, como Google, Microsoft y Facebook, utilizan la tecnología para diversas aplicaciones. A medida que la tecnología madure, surgirán más aplicaciones y casos de uso para la incorporación de entidades y la técnica se utilizará aún más ampliamente.
