作者从五大类开始，这五大类是人物，位置，组织，时间和艺术品。在这五大类下，每一大类细分为100个小类。所以HENYA系统共有505种实体类型。小类的甄选取决于其热度，作者按属于每一类的在YAGO中实体数量进行排序，取前一百种实体。这505种实体构成了一个有向无环图，最深的地方有9层。
作者发文时，还没有这种分类方法，HENYA可以加入其他种分类，如从DBpedia和FreeBase的FIGER系统或者其他手工标注的资料（WordNet）。
特征集
作者只使用了自动从文本中获取的特征，没有使用任何手工标记的特征。
包括提及字符串
提及周围的的字符串
提及段落
语法特征
位置特征
分类器
多级分类器
作者根据YAGO定义的实体自动从WIKI获得训练数据。
每个WIKI中的提及及其上下文都被当作正实例。为了判别学习，当前类型的同属的其他类型都被当作负实例。作者给每一个非叶实体加了一个子类，others，others的实例是类型t的不属于其他任何类的实例。
HENYA的分类是从上到下的方式，如果某一类型不被分类信号接受，则它的分类就停在这一级了。
元分类器
HENYA使用全局阈值接收一个类。使用一个参数对所有类型显然不合适，因为不同的类有不同的特征，可能最优的阈值有高类型依赖性。为了克服这个限制，作者制作了一个元分类器，它通过降低置信度进行排序，以获得正确的top-n标签。我们利用特定类型分类器集合的置信度值作为元特征，训练多类Logistic回归分类器，得到合适的特征值n。我们将基分类器和元分类器结合起来，首先沿类型层次运行整个集成自上而下的分类器，然后让元模型决定我们接受多少个得分最高的类型。