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.