El reconocimiento de entidades nombradas (NER, por sus siglas en inglés) es un subcampo de la inteligencia artificial (IA) y una técnica de procesamiento del lenguaje natural (PLN). Identifica, etiqueta y clasifica las entidades nombradas en datos como ciudades, celebridades, marcas, etcétera. También reconoce y clasifica el tipo de sustantivo que representa una entidad, como lugar geográfico, persona o negocio, lo que ayuda a agrupar los temas.​​ 

Con el NER, un modelo de aprendizaje automático puede identificar palabras escritas forma diferente o incorrecta para que no se excluyan durante el etiquetado. Por ejemplo, el NER ayuda a un software de listening de redes sociales a identificar que tanto "Faceb00k" como "FB" se refieren a "Facebook" y los etiqueta como una referencia a la red social.​​ 

Los algoritmos del NER utilizan modelos estadísticos para comprender las palabras desde el punto de vista semántico y contextual. Los gráficos de conocimiento amplían aún más la relación entre las entidades y permiten entender los datos de forma integral. Esta capacidad hace que el NER sea esencial para el análisis del sentimiento.​​ 

Cuando los algoritmos de análisis del sentimiento calculan el sentimiento en los datos de la voz del cliente (VoC, por sus siglas en inglés), pueden asignar un valor de sentimiento a cada entidad identificada por el NER. Estos conocimientos prácticos ayudan a las marcas a mejorar sus estrategias de forma específica, como desarrollar contenidos atractivos, agilizar las respuestas del servicio de atención al cliente, crear anuncios mejor orientados y mucho más.​​