همواره قسمت مهمی از رفتار های کسب اطلاعات در انسان ها برای فهمیدن، این موضوع است که مردم دیگر در مورد آنهاچه نظر و عقیده ای دارند. امروزه با افزایش و دسترسی رو به گسترش منابع نظرات مانند سایت های آنلاین، وبلاگ هایشخصی و شبکه های اجتماعی فرصت های جدیدی برای مردم بوجود می آید که بر اساس آن می تواند به طور فعال بااستفاده از فن آوری اطلاعات نظرات دیگران را درک و دنبال کنند.اگر چه حوزه ی تجزیه و تحلیل احساسات و عقیده کاوی طبق آمار در سال های اخیر انفجار عظیمی از فعالیت هایتحقیقاتی را شاهد بوده است، اما می توان نشان داد که علاقه ی پنهانی از مدت ها قبل در این زمینه وجود داشته است.پروژه هایی که در مورد اعتقادات انجام شده است، یکی از این زمینه های پیشگام در این حوزه به حساب می آید.کار های بعدی بیشتر روی تفسیر کنایه ها، نقطه نظرات، روایت ها، تمایلات، مدارک و موارد مرتبط با آن ها متمرکز میشد.سال 2001 و چند سال پس از آن را می توان به عنوان آغاز آگاهی وسیع مردم در مورد مسائل و فرصت های پژوهشیپیرامون تجزیه و تحلیل احساسات و عقیده کاوی بیان کرد. پس از آن سالانه صد ها مقاله پیرامون این موضوع و کاربرد های آن به چاپ می رسد. عواملی که در افزایش توجه به این حوزه ی علمی تاثیر دارند، عبارتند از، ظهور روش هاییادگیری ماشین در پردازش زبان طبیعی و بازیابی اطلاعات و در دسترس بودن پایگاه های داده برای آموزش الگوریتم هاییادگیری ماشین می باشد. تاکنون روش های متعددی برای نظرکاوی معرفی شده است که شامل روش های نظارتی وغیرنظارتی می شود .برخی از این روش ها، از روابط معنایی بین کلمه ها و نقش دستوری کلمه ها استفاده کرده اند وبرخی دیگر از لغت نامه ها برای این منظور بهره برده اند . در نظرکاوی بر ویژگی های متعددی تمرکز شده است . یکیاز روش های اولیه ای که در سطح سند در نظرکاوی انجام می گیرد، دسته بندی نظر ها در دو گروه مثبت و منفی براساس میانگین قطبیت عبارت های سند است . به طور معمول عبارت هایی به کار برده می شوند که صفت و قید باشند .روش های یادگیری ماشین، و آنتروپی بیشینه، با فرضیه های گوناگونی برای نظرکاوی در سطح SVM مانند بیزین ساده سند بررسی شده اند .در این روش ها، محققان از دو مجموعه مثبت و منفی استفاده کرده اند که هر یک هفت عضو دارد .استفاده از ویژگی حضورداشتن و حضورنداشتن کلمه ها و تک کلمه ای بهترین نتیجه را درپی داشته است.