我写文章的时候只引用那些我已经消化过的论文。我引用新文章的时候比较谨慎，因为没时间去了解具体的内容。暌违一年，重新在 google scholar 上浏览了一下最近都有哪些新东西。
Comment On Recent Progress Of Ad-Hoc Entity Retrieval 1 在这里： https://lxsay.com/archives/591
Exploiting Entity Linking in Queries for Entity Retrieval
(ICTIR 2016. Faegheh Hasibi, Krisztian Balog, Svein Erik Bratsberg)
这篇文章把语义标注 (semantic annotation) 整合进了 Markov Random Field 这个框架内，简单的来说就是统计语义标注 在 pseudo document 中的频率，然后通过一个平滑函数 (smoothing based feature function) 来刻画 semantic annotation 的分数。
但我觉得这篇文章更重要的在于它暗示了 Knowledge-based Question Answering 和 entity search 的联系。 这个模型在 Fielded Sequential Dependence Model 的基础上使用了一个称为 “Selective Top Fields” 的技巧：给定一个 query，模型首先会通过计算 query term 的 mapping based probabilities across the whole collection 然后选择分数最高的top-k fields计算 query 和 entity profile 之间的分数。这其实是 graph-based question answering 的方法：给定一个问题，Knowledge graph 中每个关系的权值定义为该问题和该关系的语义相似度，最后选择一条权值最优的路径输出作为答案。 这篇文章提出的模型可以看成是能处理 1-hop 关系的 retrieval-based question answering model.
Ranking Entities for Web Queries Through Text and Knowledge
(CIKM 2015. Michael Schuhmacher, Laura Dietz, Simone Paolo Ponzetto)
当信息检索的研究者说他们对 “knowledge graph” 感兴趣的时候，他们所指的 “knowledge graph” 其实是以下三种的组合：
- Knowledge graph = Freebase
- Knowledge graph = Freebase or DBpedia or Yago or …
- Knowledge graph = Wikipedia
这篇文章考虑的是第2种和第3种的组合，使用基于 learning to rank 的方法。特征主要分成 query-mention features, query-entity features, entity-entity features 还有 knowledge base retrieval. 这个框架既考虑了 knowledge graph 的结构（比如考虑 entity mention 到 candidate entity 的路径），也考虑了文本的内容，水准不俗。比较可惜的是这些特征只停留在“统计个数”这样的层面，没有进一步地理解查询的语义（比如说查询“面积最大的国家”就需要理解“最大”的概念，很多 question answering 的模型都可以做到这点）。这篇文章的引用次数不是很多，没有得到应有的关注，个人觉得很可惜。
Michael Schuhmacher 是少数几位懂得运用 Knowledge graph structure 帮助提升 information retrieval performance 的研究者。其他人也有尝试，但我觉得都只能算是浅尝辄止，顾左右而言他。能够把 Graph Algorithm 和 IR 结合得这么好的人屈指可数（中国大陆的 Gong Cheng 也是一位善于使用图论方法的研究者，但是现在这方面的文章比较少，还看不出成熟的思路）。这也显示出德国人在方法论上面深受欧陆古典哲学的影响：重视整体和理性。第二作者的加入弥补了这篇文章过于注重结构忽视文本信息的弱点。
“Exploiting Entity Linking in Queries for Entity Retrieval” 的作者认为这篇文章的结论 “somewhat inconclusive”。我觉得情有可原，因为 2015 年的时候 entity search 的 benchmark dataset 还比较少。说实话这个模型很值得在现在的数据集上复现。
Intent-Aware Semantic Query Annotation
(SIGIR 2017. Rafael Glater, Rodrygo L. T. Santos and Nivio Ziviani)
基于 learning to rank 的方法。测试数据用的是 DBpedia-Entity v1，因为 sigir 2017 那个时候 v2 还没有发布。这篇文章比 “an empirical study of learning to rank for entity search” 好的地方在于考虑了语义标注的信息 (semantic annotations)，简单的说就是统计了 query 和 entity profile 里面出现了多少 knowledge graph 里面的 type 和 relation 的信息，然后当成特征输入 learning to rank 的框架。本质上还是 term-based （word as a term / semantic annotation as a term） 的语言模型方法，对复杂的查询无能为力。但是我觉得这个框架的设计不错，有启发。作者没有开源，本人准备自己实现一个当作以后的 baseline 。
最后想说下（和这篇文章无关）， learning to rank 虽然是实证有效的方法，但也分好坏。好的 letor 框架能够精细的处理输入，让整体锦上添花；坏的 letor 框架缺乏对具体问题的洞察（insight），堆砌特征，好像是在指挥一堆垃圾为它们自己建一个垃圾厂。
Interpreting Fine-Grained Categories from Natural Language Queries of Entity Search
(DASFAA 2018. Denghao Ma, Yueguo Chen, Xiaoyong Du, Yuanzhe Hao)
这篇文章的框架和 “Improving Context and Category Matching for Entity Search” (Yueguo Chen et. al. ) 里面提出的没什么区别，但是用到的语言模型感觉受到了 “Query modeling for entity search based on terms, categories, and examples” 这篇文章的影响。其次更新了一些处理 Wikipedia Category Tree 的细节，定义了一些新的特征。另外在新的数据集上面更新了一下结果。
Leveraging Fine-Grained Wikipedia Categories for Entity Search
(WWW 2018. Denghao Ma, Yueguo Chen, Kevin Chang and Xiaoyong Du)
这篇文章的框架和 “Improving Context and Category Matching for Entity Search” (Yueguo Chen et. al. ) 里面提出的没什么区别，但是用到的语言模型感觉受到了 “Query modeling for entity search based on terms, categories, and examples” 这篇文章的影响。其次更新了一些处理 Wikipedia Category Tree 的细节，定义了一些新的特征。另外在新的数据集上面更新了一下结果。 (灌水小能手:)
可能是受到了自己导师的影响，这篇文章的作者还是主要在 INEX 2009 之类比较老的数据集上面进行测试。如果能转到 DBpedia-Entity v2 上就更好了（不过这样的话需要和 “On Type-Aware Entity Retrieval” 正面比较，感觉比较悬）。
中国人民大学的这个研究小组这几年对 entity search 问题有独到的贡献，比如用提取维基百科的分类标签（category）的关键词和描述词，并把它们按照自己偏序重新组合成 category tree。但我还是感觉他们使用的方法过于复杂，虽然目前在他们的文章里表现不错，但如果换一个测试数据集的话，很难做出针对性的调整。换句话说，工巧但是略欠“大局观”。BM25 和 sequential dependence model 广受欢迎不是因为它们总能够达到最好的结果，而是设计足够鲁棒，足够简单。在不同的问题上都可以做出针对性的调整。
RWRDoc: Random Walk with Restart based Entity Documentation
(ESWC 2018. Takahiro Komamizu)
这篇文章提出了一种新的表示 Entity profile 的方式。每个 entity 的文本都可以表示成一个 bag-of-words vector 或者 TF-IDF vector，考虑到 entity 在 knowledge graph 中与其他 entity 相连，所以它们的文本应该会有一些相关性，于是作者认为每个 entity 的向量表示都是自身与相关 entity 的向量的线性加权和。我认为，作者把这个建模为随机游走是因为如果想要求解这个大型线性方程的话必须假定这样的表示法能够收敛。这种思想来源于 relevance propagation/page rank 这些传统的方法论，不同的是这篇文章传递的是 entity 的 bag-of-words vector 而不是 relevance score。
另外，这篇文章上所有 baseline 的结果都是从 DBpedia-Entity v2 的发布论文里面复制过来的。这其实提出了一个问题：每个人的建的 index 质量都不一样，于是 baseline 的结果也变得有好有坏。这个领域是否需要一个公开的 standard index 让研究者可以比较不同的方法呢？