Named Entity Recognition (NER) ist ein Unterfeld von künstlicher Intelligenz (KI) und einer NLP-Technik (Natürliche Sprachverarbeitung) . Sie identifiziert, kennzeichnet und kategorisiert benannte Entitäten in Daten wie Städten, Berühmtheiten, Marken usw. Sie erkennt und kategorisiert auch die Art des Substantivs, das eine Entität repräsentiert, wie z. B. Geografie, Person oder Unternehmen, was bei der thematischen Clusterbildung hilft.

Mit NER kann ein maschinelles Lernmodell anders geschriebene oder falsch geschriebene Wörter identifizieren, sodass sie beim Tagging nicht ausgeschlossen werden. Zum Beispiel hilft NER einer Social-Listening-Software zu erkennen, dass Faceb00k und FB beide auf Facebook verweisen und als soziales Netzwerk getaggt sind.

NER-Algorithmen verwenden statistische Modelle, um Wörter semantisch und kontextbezogen zu verstehen. Wissensgraphen ermöglichen es, weitere Beziehungen zwischen Entitäten herzustellen, und vermitteln ein ganzheitliches Verständnis der Daten. Diese Fähigkeit macht NER für die Stimmungsanalyse von entscheidender Bedeutung.

Wenn Algorithmen zur Stimmungsanalyse die Stimmung in Voice-of-Customer-Daten (VoC) berechnen, können sie jeder von NER identifizierten Entität einen Stimmungswert zuweisen. Diese verwertbaren Erkenntnisse helfen Marken, ihre Strategien gezielt zu verbessern, z. B. durch die Entwicklung ansprechender Inhalte, die Optimierung der Kundenbetreuung, die Erstellung gezielterer Werbung und vieles mehr.