اللغات

Entity Coverage Analyzer

Free, no signup. Find likely entities in your page text, then reconcile selected names against Google’s Knowledge Graph and Wikidata. Local extraction works when the AI path is unavailable.

Built by Patrick Stox

Runs entirely in your browser — nothing you paste is uploaded or stored. The optional AI extraction sends your pasted text to the bounded model endpoint. Reconciliation sends only a selected entity name to Google KG and Wikidata; local extraction stays in your browser. Anonymous run-level outcome counters may be used for aggregate research; URLs, domains, IPs, and identifiers are never included, and no statistic is released below 100 runs.

Feedback
Report a bug

Found something broken in Entity Coverage Analyzer? Let us know what happened — this goes straight to a private triage queue, not a public list.

What will be sent 
 No tool inputs, uploads, pasted source, complete results, query parameters, or URL fragments are attached automatically. You can edit or remove the selected passage above. Browser and anti-abuse metadata is processed for spam prevention. 
  
 
  
 
 
  
 
 
  
 
Sample report Deterministic local example
 
For “Cloudflare operates Workers AI. Cloudflare provides services to Acme Analytics.”, local extraction returns:
 
Cloudflare · 2 mentions · heuristic
Workers AI · 1 mention · heuristic
Acme Analytics · 1 mention · heuristic
 
No sameAs links appear in the JSON-LD until a user performs a lookup and accepts an identifier. The example intentionally stops before reconciliation because a real match depends on the live service and human identity review.
 
 
 
How to use it
  1. Paste the visible text or HTML from one page.
  2. Choose Extract entities for the local capitalized-name heuristic, or the optional model-assisted extraction.
  3. Review the proposed names and select Reconcile IDs only for entities you intend to check against Google KG and Wikidata.
  4. Inspect ambiguous results before using the generated about and mentions JSON-LD.
 
 
     
 Local data 
Saved targets, named lists, and recent check summaries remain only in this browser.
 
   
 
 
   
 
What you get
  • heuristic — proposed by the local capitalized-name pattern.
  • observed — parsed from the point-in-time model-assisted response, not independently verified.
  • linked — a lookup returned a stable identifier; confirm the identity manually.
  • ambiguous — more than one candidate was returned and the first must not be assumed correct.
 
How it works
The local path counts capitalized sequences of up to five terms, removes a small stop list, and sorts by mentions. The optional AI path asks the bounded endpoint for candidate names. Google KG and Wikidata lookups are separate and user-triggered. Generated WebPage JSON-LD includes only linked entities: the first under about, subsequent matches under mentions, and the reconciled KG, Wikidata, Wikipedia, and claimed social URLs under sameAs.
 
Features
  • Local extraction that works without an API or model.
  • Optional model-assisted candidate extraction with visible provenance.
  • Per-entity, on-demand Google KG and Wikidata reconciliation.
  • Richer sameAs JSON-LD restricted to reconciled entities.
  • Explicit ambiguity and unavailable-result states.
 
Limitations
The heuristic misses lowercase brands and common-noun concepts, and can mistake headings or sentence openings for entities. Mention count is not topical importance. Model extraction can vary. The first Knowledge Graph result is not necessarily the intended entity, and the generated ordering is not a semantic judgment. This tool does not compare the page against a required topic model or competitors.
 
Compare existing entity schema
Paste an existing Person or Organization node to find missing name, URL, description, and identity links after reconciliation.
 
  
Frequently asked questions
What is entity coverage?
Here it means the named people, organizations, products, and concepts that appear in the supplied page text. The tool inventories likely names; it does not decide which entities a topic must include.
What is the difference between extraction and reconciliation?
Extraction proposes names found in text. Reconciliation connects a selected name to a stable knowledge-graph identifier. A name can be extracted correctly but reconciled to the wrong real-world entity, so every match needs review.
Does a Knowledge Graph miss mean an entity does not exist?
No. A miss can reflect ambiguity, coverage, quota, or service availability. The tool reports it as unmatched or not evaluated, never as proof of nonexistence.
Can I publish the generated JSON-LD as-is?
Review it first. Only reconciled entities are included, but the top match can still be wrong. Confirm each identity and ensure the entity is genuinely about or mentioned by the page.
Does adding more entities improve AI visibility?
Not automatically. Clear, accurate coverage can reduce ambiguity, but stuffing names or schema that the visible page does not support creates misleading markup rather than authority.
 
Next stepSchema Markup Validator — verify it with a direct check.

People also explore
ToolGoogle Knowledge Graph ExplorerToolAI Commerce ValidatorToolRich-Result Eligibility CheckerArticleEntity & Identity SchemaArticleEntity SEOArticleKnowledge Graph SEO
 
 
 
Feature requests for Entity Coverage Analyzer
 

Upvote what you want most. New ideas can be submitted from the floating Feedback menu;
      requests appear here once approved, and the most-wanted rise to the top.

   
Loading…
  
  ➕ Request a feature   
New requests are reviewed before they appear here.
 
     
  
  
 
 
 
 
   
  
حول الأداة
استخراج مرئي مسمّى كيانات, طابِق ال تلك أنت حدّد, و draft شفاف JSON-LD.
مجاني, من دون تسجيل. العثور على الأرجح كيانات في الخاص بك صفحة نص, ثم طابِق مختار أسماء مقابل Google معرفة رسم بياني و Wikidata. محلي استخراج يعمل عندما ال AI مسار هو غير متاح.
الميزات
  • محلي استخراج ذلك يعمل من دون واحد API أو نموذج.
  • اختياري model-assisted مرشح استخراج مع مرئي provenance.
  • Per-entity, on-demand Google KG و Wikidata المطابقة.
  • Richer sameAs JSON-LD restricted إلى مُطابَق كيانات.
  • صريح ambiguity و unavailable-result حالات.
كيفية العمل
ال محلي مسار أعداد capitalized sequences من up إلى خمسة مصطلحات, يزيل واحد صغير أوقف قائمة, و sorts بواسطة mentions. ال اختياري AI مسار يسأل ال محدود نقطة نهاية من أجل مرشح أسماء. Google KG و Wikidata lookups هي منفصل و مُشغّل من المستخدم. منشأ WebPage JSON-LD يشمل فقط مرتبط كيانات: ال الأول تحت حول, subsequent يطابق تحت mentions, و ال مُطابَق KG, Wikidata, Wikipedia, و مُدّعى اجتماعي عناوين عنوان URL تحت sameAs.
القيود
  • ال استدلالي misses أحرف صغيرة العلامات التجارية و common-noun concepts, و يمكن خطأ عناوين أو جملة openings من أجل كيانات. يذكر عدد هو ليس موضوعي importance. نموذج استخراج يمكن يختلف. ال الأول معرفة رسم بياني نتيجة هو ليس necessarily ال المقصود كيان, و ال منشأ ترتيب هو ليس واحد دلالي judgment. هذا الأداة يفعل ليس قارن ال صفحة مقابل واحد مطلوب موضوع نموذج أو منافسون.
الأسئلة الشائعة
ما هو كيان تغطية?
هنا إنه يعني ال مسمّى أشخاص, organizations, منتجات, و concepts ذلك يظهر في ال مقدّم صفحة نص. ال الأداة يحصر على الأرجح أسماء; إنه يفعل ليس يقرر أي كيانات واحد موضوع يجب يشمل.
ما هو ال فرق بين استخراج و المطابقة?
استخراج proposes أسماء موجود في نص. المطابقة connects واحد مختار اسم إلى واحد ثابت knowledge-graph المعرّف. واحد اسم يمكن يكون مستخرج بصورة صحيحة لكن مُطابَق إلى ال خاطئ العالم الفعلي كيان, لذلك كل تطابق يحتاج مراجعة.
يفعل واحد معرفة رسم بياني يفوّت يعني واحد كيان يفعل ليس يوجد?
لا. واحد يفوّت يمكن يعكس ambiguity, تغطية, حصة, أو خدمة availability. ال الأداة يبلّغ إنه باعتباره غير مطابق أو ليس مُقيَّم, أبدًا باعتباره دليل من nonexistence.
يمكن I نشر ال منشأ JSON-LD كما هو?
مراجعة إنه الأول. فقط مُطابَق كيانات هي مضمن, لكن ال الأعلى تطابق يمكن ما زال يكون خاطئ. تأكيد كل هوية و يضمن ال كيان هو حقًا حول أو mentioned بواسطة ال صفحة.
يفعل إضافة أكثر كيانات يحسّن AI ظهور?
ليس تلقائيًا. مسح, دقيق تغطية يمكن تقليل ambiguity, لكن حشو أسماء أو مخطط ذلك ال مرئي صفحة يفعل ليس دعم ينشئ misleading ترميز بدلًا من سلطة.