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

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

Paste the visible text or HTML from one page.
Choose Extract entities for the local capitalized-name heuristic, or the optional model-assisted extraction.
Review the proposed names and select Reconcile IDs only for entities you intend to check against Google KG and Wikidata.
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.

Entity JSON-LD

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.

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.

Über das Tool

Füge sichtbaren Seitentext oder HTML ein und extrahiere wahrscheinliche benannte Entitäten. Prüfe ausgewählte Namen anschließend gegen Googles Knowledge Graph und Wikidata und erstelle transparentes about-/mentions-JSON-LD nur für bestätigte Identitäten.

Die lokale Extraktion funktioniert ohne API oder Modell; optionale Modell- und Live-Lookups bleiben begrenzt, nachvollziehbar und einer menschlichen Identitätsprüfung unterstellt.

Funktionen

Lokale Erkennung großgeschriebener Namensfolgen ohne API oder Modell
Optionale modellgestützte Kandidatenextraktion mit sichtbarer Herkunft
On-demand-Abgleich einzelner Entitäten mit Google Knowledge Graph und Wikidata
sameAs-JSON-LD nur für abgeglichene Entitäten sowie klare Zustände für Mehrdeutigkeit und Nichtverfügbarkeit

Funktionsweise

Die lokale Route zählt großgeschriebene Folgen von bis zu fünf Begriffen, entfernt eine kleine Stoppliste und sortiert nach Erwähnungen. Die optionale KI-Route liefert Kandidatennamen mit Herkunft. Erst nach Auswahl und Abgleich werden about, mentions und sameAs für die gewählten Identitäten erstellt.

Einschränkungen

Die Heuristik verpasst kleingeschriebene Marken und kann Überschriften oder Satzanfänge als Entitäten verwechseln; die Häufigkeit ist keine thematische Bedeutung.
Ein erster Knowledge-Graph-Treffer ist nicht zwingend die beabsichtigte Identität. Ein Fehlschlag bedeutet nicht, dass eine Entität nicht existiert.
Das Werkzeug vergleicht die Seite nicht mit einem erforderlichen Themenmodell oder mit Wettbewerbern; jedes erzeugte Schema muss vor der Veröffentlichung geprüft werden.

Häufig gestellte Fragen

Was ist Entitätsabdeckung?

Gemeint sind die Personen, Organisationen, Produkte und Konzepte, die im gelieferten Seitentext vorkommen. Das Werkzeug inventarisiert wahrscheinliche Namen, entscheidet aber nicht, welche Entitäten ein Thema enthalten muss.

Bedeutet ein Knowledge-Graph-Fehlschlag, dass eine Entität nicht existiert?

Nein. Ein Fehlschlag kann Mehrdeutigkeit, fehlende Abdeckung, ein Kontingent oder nicht verfügbare Dienste bedeuten. Der Zustand bleibt „nicht bewertet“ oder „nicht zugeordnet“.

Kann ich das erzeugte JSON-LD unverändert veröffentlichen?

Prüfe es zuerst. Nur abgeglichene Entitäten werden aufgenommen, aber auch der beste Treffer kann falsch sein. Bestätige jede Identität und ob sie auf der Seite tatsächlich erwähnt wird.

Verbessert das Hinzufügen weiterer Entitäten die KI-Sichtbarkeit?

Nicht automatisch. Klare, zutreffende Abdeckung kann Mehrdeutigkeit verringern; erfundene oder nicht sichtbare Namen erzeugen dagegen irreführendes Markup.