In the field of natural language processing and text mining, sentiment analysis (SA) has received huge attention from various researchers’ across the globe. By the prevalence of Web 2.0, user’s became more vigilant to share, promote and express themselves along with any issues or challenges that are being encountered on daily activities through the Internet (social media, micro-blogs, e-commerce, etc.) Expression and opinion are a complex sequence of acts that convey a huge volume of data that pose a challenge for computational researchers to decode. Over the period of time, researchers from various segments of public and private sectors are involved in the exploration of SA with an aim to understand the behavioral perspective of various stakeholders in society. Though the efforts to positively construct SA are successful, challenges still prevail for efficiency. This article presents an organized survey of SA (also known as opinion mining) along with methodologies or algorithms. The survey classifies SA into categories based on levels, tasks, and sub-task along with various techniques used for performing them. The survey explicitly focuses on different directions in which the research was explored in the area of cross-domain opinion classification. The article is concluded with an objective to present an exclusive and exhaustive analysis in the area of opinion mining containing approaches, datasets, languages, and applications used. The observations made are expected to support researches to get a greater understanding on emerging trends and state-of-the-art methods to be applied for future exploration.

中文翻译：

---

跨域意见分类的 360 度视图：一项调查

在自然语言处理和文本挖掘领域，情感分析（SA）受到了全球各种研究人员的极大关注。随着Web 2.0的盛行，用户通过互联网（社交媒体、微博、电子商务等）在日常活动中遇到的任何问题或挑战，变得更加警惕地分享、宣传和表达自己。和意见是一系列复杂的行为，它们传达了大量数据，对计算研究人员进行解码提出了挑战。长期以来，来自公共和私营部门各个部门的研究人员都参与了对 SA 的探索，旨在了解社会中各种利益相关者的行为观点。虽然积极构建 SA 的努力是成功的，效率方面的挑战仍然存在。本文介绍了对 SA（也称为意见挖掘）以及方法或算法的有组织的调查。该调查根据级别、任务和子任务以及用于执行它们的各种技术将 SA 分类。该调查明确关注跨领域意见分类领域研究的不同方向。本文的结尾旨在对意见挖掘领域进行独家和详尽的分析，其中包含所使用的方法、数据集、语言和应用程序。预计所做的观察将支持研究，以更好地了解新兴趋势和用于未来探索的最先进方法。本文介绍了对 SA（也称为意见挖掘）以及方法或算法的有组织的调查。该调查根据级别、任务和子任务以及用于执行它们的各种技术将 SA 分类。该调查明确关注跨领域意见分类领域研究的不同方向。本文的结尾旨在对意见挖掘领域进行独家和详尽的分析，其中包含所使用的方法、数据集、语言和应用程序。预计所做的观察将支持研究，以更好地了解新兴趋势和用于未来探索的最先进方法。本文介绍了对 SA（也称为意见挖掘）以及方法或算法的有组织的调查。该调查根据级别、任务和子任务以及用于执行它们的各种技术将 SA 分类。该调查明确关注跨领域意见分类领域研究的不同方向。本文的结尾旨在对意见挖掘领域进行独家和详尽的分析，其中包含所使用的方法、数据集、语言和应用程序。预计所做的观察将支持研究，以更好地了解新兴趋势和用于未来探索的最先进方法。该调查根据级别、任务和子任务以及用于执行它们的各种技术将 SA 分类。该调查明确关注跨领域意见分类领域研究的不同方向。本文的结尾旨在对意见挖掘领域进行独家和详尽的分析，其中包含所使用的方法、数据集、语言和应用程序。预计所做的观察将支持研究，以更好地了解新兴趋势和用于未来探索的最先进方法。该调查根据级别、任务和子任务以及用于执行它们的各种技术将 SA 分类。该调查明确关注跨领域意见分类领域研究的不同方向。本文的结尾旨在对意见挖掘领域进行独家和详尽的分析，其中包含所使用的方法、数据集、语言和应用程序。预计所做的观察将支持研究，以更好地了解新兴趋势和用于未来探索的最先进方法。该调查明确关注跨领域意见分类领域研究的不同方向。本文的结尾旨在对意见挖掘领域进行独家和详尽的分析，其中包含所使用的方法、数据集、语言和应用程序。预计所做的观察将支持研究，以更好地了解新兴趋势和用于未来探索的最先进方法。该调查明确关注跨领域意见分类领域研究的不同方向。本文的结尾旨在对意见挖掘领域进行独家和详尽的分析，其中包含所使用的方法、数据集、语言和应用程序。预计所做的观察将支持研究，以更好地了解新兴趋势和用于未来探索的最先进方法。