Il riconoscimento delle entità denominate (NER) è un campo secondario dell'intelligenza artificiale (IA) e una tecnica di elaborazione del linguaggio naturale (NLP), che identifica, etichetta e classifica le entità denominate in dati come città, celebrità, brand, ecc. Inoltre, riconosce e categorizza il tipo di nome che un'entità rappresenta, ad esempio geografia, persona o azienda, semplificando il clustering degli argomenti.​​ 

Con la NER, un modello di machine learning può identificare parole scritte in modo diverso o in modo errato, in modo tale che non vengano escluse nel momento in cui vengono etichettate. Ad esempio, grazie alla NER un software di social listening è in grado di comprendere che Faceb00k e FB si riferiscono entrambi a Facebook e sono contrassegnati come social network.​​ 

Gli algoritmi NER utilizzano modelli statistici per comprendere le parole in modo semantico e contestuale. I grafi di conoscenza rafforzano ulteriormente la relazione tra le entità e forniscono una comprensione olistica dei dati. Questa capacità rende la NER fondamentale nell'analisi del sentiment.​​ 

Quando gli algoritmi di analisi del sentiment calcolano il sentiment nei dati voice of customer (VoC), sono in grado di assegnare un valore del sentiment a ciascuna delle entità identificate dalla NER. Queste informazioni utili aiutano i brand ad apportare miglioramenti mirati alle loro strategie, ad esempio a sviluppare contenuti coinvolgenti, semplificare le risposte dell'assistenza clienti, creare annunci più mirati e altro ancora.​​