O reconhecimento de entidade nomeada (NER) é um subcampo da inteligência artificial (IA) e uma técnica de processamento de linguagem natural (NLP). Ele identifica, etiqueta e categoriza entidades nomeadas em dados como cidades, celebridades, marcas, etc. Também reconhece e categoriza o tipo de substantivo que uma entidade representa, como região, pessoa ou empresa, ajudando no agrupamento de tópicos.

Com o NER, um modelo de aprendizado de máquina pode identificar palavras escritas de maneira diferente ou com erros ortográficos para que não sejam excluídas durante a etiquetagem. Por exemplo, o NER ajuda um software de listening social a identificar que Faceb00k e FB referem-se ao Facebook, marcando essas palavras como uma rede social.

Os algoritmos de NER usam modelos estatísticos para entender as palavras de forma semântica e contextual. Os gráficos de conhecimento estabelecem ainda mais a relação entre as entidades e fornecem uma compreensão completa dos dados. Essa capacidade torna o NER essencial na análise de sentimento .

Quando calculam o sentimento nos dados de voz do cliente (VoC), os algoritmos de análise de sentimento são capazes de atribuir um valor de sentimento a cada entidade identificada pelo NER. Essas perspectivas práticas ajudam as marcas a fazer melhorias direcionadas em suas estratégias, como desenvolver conteúdo envolvente, simplificar as respostas de atendimento ao cliente, criar anúncios mais bem segmentados e outros.