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.