修改论文模型时需要对知识图谱DBpedia进行实体链接，官方的DBpedia Spotlight就非常好用，
特此记录。
上次的记录博客给师弟看了依然有疑问，更新下再写详细点~
之后会再写一个从零开始构建自己的知识图谱并通过RGCN获取实体嵌入的博客。
1 Docker
由于DBpedia Spotlight需要部署到服务器中，官方使用的是Docker，这里我们需要先下载Docker。（提供一个我使用的Docker版本）
一直点默认安装即可，不过安装完成后可能碰到WLS2不一致的问题，官方也给出了解决方法。按照里面说的去下载Ubuntu就行。
在成功安装完Docker后，选择Images(镜像)，可以从里面找到ubuntu。
2 DBpedia Spotlight
DBpedia Spotlight可以把我们输入的文本中的实体抽取出来，将其对应到知识图谱DBpedia。官方提供了一个示例网站。
下面在Windows的Docker中部署DBpedia Spotlight服务：
1、在DBpedia Spotlight的github上找到对应的Docker命令行代码，如果要抽取英文文本的实体就找英文模型代码。英文模型代码如下：
docker run -tid --restart unless-stopped --name dbpedia-spotlight.en --mount source=spotlight-model,target=/opt/spotlight -p 2222:80 dbpedia/dbpedia-spotlight spotlight.sh en
2、Windows打开命令行窗口(先按win+R，输入cmd，再回车)，运行刚刚的Docker命令行。
3、如果运行成功，那么Docker里会有对应的镜像，然后点击旁边的RUN就可以得到对应的容器，接着再运行这个容器。
3 实体抽取
下列代码需要先按前面的方法把Docker运行起来后才能生效。该代码的效果和前面提到的网址功能一样，可以将输入的文本text里和知识图谱DBpedia中对应的实体进行关联。这段代码实现的功能是，我们传入一段文本，该函数这段文本里的DBpedia的实体。confidence是置信度，值越高提取文本里的实体越准确，但是可能实体数量也会变少，就和前面那个示例网站一样。
import requests
DBPEDIA_SPOTLIGHT_ADDR = "http://localhost:2222/rest/annotate"
def _text2entities(text, confidence):
headers = {
"Accept": "application/json"}
data = {
"text": text, "confidence": confidence}
response = requests.get(url=DBPEDIA_SPOTLIGHT_ADDR, params=data, headers=headers)
response = response.json()
return (
[f"<{
x['@URI']}>" for x in response["Resources"]]
if "Resources" in response
else []
)
if __name__ == '__main__':
print(_text2entities('My favorite star is Leonardo!', 0.5))
结果如下：
