Menetelmät voidaan jakaa lexicon-pohjaisiin ja koneoppimiseen perustuvien menetelmien välimaastoon. Lexicon-pohjaisessa lähestymistavassa käytetään sanakirjoja, joissa sanoille on määriteltyarvoja tai suuntaa; ne voivat olla nopeasti käyttöön otettavissa ja vaativat vähän dataa, mutta kattavuus sekä negaatio- tai ironia-ilmauksien huomioiminen voivat olla rajoituksia. Valvottu (supervised) koneoppiminen hyödyntää merkittyä dataa ja opettaa malleja perinteisillä ominaisuusmenetelmillä (kuten SVM tai logistinen regressio) sekä syvällisemmillä tavoilla (CNN, LSTM) tai transformer-pohjaisilla malleilla. Viime vuosina suuria kielellisiä malleja, kuten Suomenkielisiä transformer-malleja (esim. FinBERT), on käytetty yhä laajemmin parantamaan suorituskykyä.
Tehtävät voivat olla dokumenttitasoinen sentimenttianalyysi, lausekohtainen analyysi tai aspektipohjainen analyysi, jossa pyritään määrittämään mielipide tietyn tuotteen tai palvelun ominaisuuden suhteen.
Suomen kielessä tyypillisiä haasteita ovat monimuotoinen morfologia ja sanaketjujen muodostuminen, negointi sekä ironia ja kulttuurisidonnaiset ilmaukset. Tarvitaan usein erityisiä suomalaisia sanakirjoja ja koulutettua dataa sekä asianmukainen esikäsittely (lemmatointi, sanakirjojen päivitys). Hyviä tuloksia voidaan saavuttaa käyttämällä Suomen kielelle räätälöityjä malleja, kuten FinBERTin kaltaisia transformer-pohjaisia malleja, sekä tarvittaessa monikielisiä malleja pienissä datatilanteissa.
Datan lähteitä ovat esimerkiksi sosiaalinen media, tuotearvostelut ja käyttäjäkommentit, joihin annotoidaan mielipide sekä joskus tarkempi fokus. Mittareina käytetään yleisesti tarkkuutta (accuracy), F1-arvoa sekä tarvittaessa precision- ja recall-arvoja, erityisesti luokkien epätasapainon hallitsemiseksi. Hyvä arviointi vaatii huolellista validointia ja ristivalidointia.
Sentimenttianalyysi tukee esimerkiksi markkinointianalytiikkaa, brändiäseurantaa ja tutkimusprojekteja, joissa halutaan ymmärtää yleisön asennetta. Haasteita ovat domain- ja kielikohtaiset vaihtelut, kontekstin ymmärtäminen, sarkasmin ja ironian havaitseminen sekä datan eettiset näkökulmat ja yksityisyydensuoja.