Discovering Consumer Insight from Twitter via Sentiment Analysis. Journal of Universal Computer Science, vol. 18, no. 8 (2012), 973-992

從技術上講，情緒分析是自然語言處理（NLP）研究的一部分。

情緒分析方法可以分為兩類：機器學習方法和基於字典的方法。 常用的分類演算法包括以下三類： 樸素貝葉斯（Naive Bayes, NB）是一種基於貝葉斯定理的簡單概率分類器，特別適用於輸入維數較高的情況。 最大熵原理（Max Entropy）或多項Logit模型通常用作樸素貝葉斯方法的替代方案。 特別是，在樸素貝葉斯分類器中學習是一個簡單的事項，即計算特徵和類的共生次數，而在最大熵分類器中，權重的最大值必須使用最大後驗（MAP）估計通過迭代的過程獲得。 支援向量機（SVM）已被強調為最佳效能之一。 它是分析資料和識別模式的方法，用於分類和迴歸分析。 SVM的本質是找到一個超平面，儘可能地將文件向量從一個類分離到另一個類。 2) 基於字典的方法（Lexicon-based approaches ）是一種典型的無監督方法。 意見詞是用來表示積極或消極情緒的詞。