شرکت‌های صنعتی و تولیدی که محصولات جدید تولید می‌کنند، می‌خواهند بدانند مشتریانشان چه احساسی نسبت به این محصولات دارند و این اطلاعات را می‌توان با مطالعه‌ی عقیده‌ها در پورتال‌های نظرسنجی بدست آورد. در عین حال، کاربران یا مشتریان نیز می‌خواهند بدانند کدام محصول را بخرند پس این نظرات را می‌خوانند و سعی می‌کنند تصمیم‌گیری کنند. دیده شده است که عقیده‌های آنلاین روز به روز محبوب‌تر می‌شوند و این عقاید، غنی بودن اطلاعات را نشان می‌دهند که می‌تواند برای صنعت و مشتریان مفید باشد.

با این حال، اینجام این کار به صورت دستی سخت و زمانبر است. به عنوان مثال، سازمان‌های تولیدی ترجیح می‌دهند اطلاعات به فرمتی باشد که برای استفاده راحت‌تر باشد، پس اتوماتیک کردن این فرایند بسیار مفید است. اینجاست که عقیده کاوی به میان می‌آید. در وب، عقاید را می‌توان به فرم متن، تصویر، صوت یا داده‌ی ویدئویی بیان کرد. این مقاله از متن کاوی فاصله می‌گیرد چون در این زمینه بسیار کار شده است. عقیده کاوی را می‌توان یک زیر اصل از زبان شناسی محاسباتی تعریف کرد که با عقیده‌ای که یک سند بیان می‌کند در ارتباط است. طبقه‌بندی احساسات تعیین کننده‌ی ذهنیت، قطبیت (مثبت و منفی) و قدرت قطبیت (مثبت ضعیف، مثبت میانه و مثبت قوی) یک متن عقیده است. عبارات مختلفی توسط محققان استفاده می‌شود تا احساسات را طبقه‌بندی کنند: عقیده کاوی، تحلیل احساسات، استخراج احساسات یا رتبه‌بندی کارا. ما در این مقاله برای سادگی از عبارات عقیده کاوی که همه‌ی این عبارات را دربر می‌گیرد استفاده می‌کنیم. 

1.زمینه‌های مرتبط با عقیده کاوی

استخراج اطلاعات (IE): آیا تبدیل اطلاعات متنی بدون ساختار به فرمت ساخت‌یافته که عموماً در پایگاه داده‌ها ذخیره و برای اهداف داده کاوی استفاده می‌شود، بر اساس یادگیری زبان ماشین است. داده‌های خاص، استخراج و در قالب موجود قرار می‌گیرند. این کار دقت اطلاعات بازیافتی را بهبود می‌بخشد و می‌تواند به عنوان پایه‌ای برای گروه‌بندی داده‌های استخراج شده استفاده شود.