Las redes sociales como Google, Facebook y Twitter proporcionan una gran cantidad de datos que pueden ser usados para analizar la personalidad de los usuarios o sus opiniones acerca de un producto de una campaña. 

Esta gran cantidad de datos contiene opiniones cruciales relacionadas con la información que pudiese ser usada en beneficio del negocio y otros aspectos del comercio. La extracción de opiniones, sentimientos o actitudes de esta gran cantidad de datos es imposible hacerlo utilizando métodos manuales, por lo que es importante aproximaciones basadas en inteligencia artificial y algoritmos de machine learning para la clasificación de datos de redes sociales de forma automática. 

La extracción de opiniones de los textos o de redes sociales es conocido bajo el nombre de Análisis de Sentimientos (SA) algunas veces llamada minería de opinión la cual es parte de la minería de texto que trata de definir las opiniones, los sentimientos y las actitudes presentes en el texto o en un conjunto de estos. 

En este webinar se expone un nuevo método para clasificar los tweets en tres clases: positivo, negativo o neutro en una forma semántica usando el WordNet y AFINN (AFINN es un diccionario que contiene palabras con pesos entre −5 y 5 que expresan el grado sentimental de la palabra) diccionarios, y de forma paralela utilizando el marco Hadoop con el Sistema de Archivo Distribuido Hadoop HDFS y el modelo de programación MapReduce. El objetivo principal es la propuesta de un nuevo enfoque de análisis de sentimientos combinando entre varios dominios como la recuperación de información, la semántica similitud, minería de opiniones o análisis de sentimientos y grandes datos.