Sentimentanalyse verwijst naar het gebruik van natuurlijke taalverwerking, tekstanalyse, computationele taalkunde en biometrie voor het systematisch identificeren, extraheren en kwantificeren van subjectieve informatie.
Een sentimentanalyse wil de houding van een spreker, schrijver, onderwerp of de algehele contextuele polariteit of emotionele reactie op een document, interactie of gebeurtenis bepalen. De houding kan een oordeel of evaluatie zijn, een emotionele toestand of de bedoelde emotionele communicatie (dat wil zeggen, het emotionele effect bedoeld door de auteur).
De opkomst van sociale media heeft de interesse in sentimentanalyse versterkt. Door de toename van beoordelingen en aanbevelingen is online opinie een soort virtuele score geworden voor bedrijven die hun producten op de markt willen brengen, nieuwe kansen willen identificeren of een reputatie willen beheren. Verschillende onderzoeksteams van universiteiten richten zich momenteel op het begrijpen van de dynamiek van het sentiment op social media.
De meeste algoritmen gebruiken voor sentimentanalyse eenvoudige termen om het sentiment over een product of dienst uit te drukken. Culturele factoren, taalnuances en verschillende contexten maken het uitdagend om een reeks geschreven tekst om te zetten in positief of negatief sentiment. Hoe korter de reeks tekst, hoe moeilijker het wordt.
Sentimentanalyse heeft binnen microblogging al wel aangetoond dat Twitter kan worden ingezet als een geldige online indicator van bijvoorbeeld politiek sentiment. Het politieke sentiment van Tweets laat een nauwe correspondentie zien met de politieke posities van partijen en politici, wat aangeeft dat de inhoud van Twitter-berichten plausibel het offline politieke landschap weerspiegelt. Ook het voorspellen van beurskoersen kan worden gezien als een bevestiging van de werking van een goede sentimentanalyse.
