En la última década, el análisis de sentimientos (SA, sentiment analysis), también conocido como minería de opiniones (opinion mining), ha despertado un creciente interés. Resulta un gran reto para las tecnologías del lenguaje, ya que obtener buenos resultados es mucho más difícil de lo que muchos creen. La tarea de clasificar automáticamente un texto escrito en un lenguaje natural en un sentimiento positivo o negativo, opinión o subjetividad (Pang and Lee, 2008), es a veces tan complicada que incluso es difícil poner de acuerdo a diferentes anotadores humanos sobre la clasificación a asignar a un texto dado. La interpretación personal de un individuo es diferente de la de los demás, y además se ve afectada por factores culturales y experiencias propias de cada persona. Y la tarea es aún más difícil cuanto más corto sea el texto, y peor escrito esté, como es el caso de los mensajes en redes sociales como Twitter o Facebook.
Con este término se hace referencia a todas aquellas prácticas que permiten entender qué opina un cliente (real o potencial) sobre un producto o servicio. Pero eso no se limita a una simple lectura de comentarios o juicios escritos a petición —pensemos en una encuesta en línea—, el asunto es mucho más complejo.
La incorporación de recursos lingüísticos personales (modelos, diccionarios) permite a estas herramientas alcanzar altos niveles de precisión y cobertura, pero en general es un proceso caro, que exige un conocimiento profundo de estas tecnologías.