2. Duygu Çözümleme DÇ çalışmaları 2000’li yılların başlarında, internetin popüler olmasıyla beraber başlamıştır. DÇ alanında yapılan ilk çalışmalardan biri 2002 yılında, Pang ve arkadaşları tarafından yayınlanmıştır. Film yorumlarının kullanıldığı çalışmada makine öğrenmesi yöntemlerinin duygu sınıflamadaki etkinlikleri araştırılmıştır [6]. 2009 yılında yayımlanan bir başka çalışmada Go ve arkadaşları, Twitter mesajlarını sınıflandırma üzerine çalışmışlardır [3]. Sevindi, Türkçe film yorumlarını kullanarak sözlük tabanlı yaklaşımlar ve makine öğrenmesi yöntemlerini karşılaştırmıştır. Bu çalışmada, en iyi sonucun destek vektör makinesi ile elde edildiği belirtilmiştir [7]. Türkçe için başka bir DÇ çalışması ise Çetin ve Amasyalı tarafından yapılmıştır. Çalışmada destek vektör makinesi ile naive bayes yöntemleri karşılaştırılmıştır [2].
DÇ, temelde, bir metin sınıflandırma problemi olup popülerliği ve ticari getirileri sebebiyle günümüzde ilgi gören bir çalışma alanıdır. DÇ çalışmalarında, doğal dil işleme, makine öğrenmesi, istatistiksel öğrenme ve metin madenciliği teknikleri bir arada kullanılır.
DÇ çalışmalarının başındaki en büyük sorun dil ve çevrimiçi metinlerle ilgilidir. DÇ yapabilmek için, cümleler temel öğelerine ayrıldıktan sonra, sıfatlar ve fiiller analiz edilebilmeli, kısaltmalar ve hatalı ifadeler düzeltilmeli ya da çıkartılmalıdır. Ayrıca, metinlerdeki ekler ve kökler tespit edilmelidir. Yüksek bir başarı elde etmek için doğal dil işleme sürecindeki başarı çok önemlidir.
DÇ’de iki temel yaklaşım bulunmaktadır. Sözlük tabanlı yaklaşımlar, duygu çözümleme işlemlerinde anlamsal bir sözlük veri tabanını kullanan yarı denetimli yaklaşımlardır. İstatistiksel veya makine öğrenmesi yaklaşımları ise etiketli eğitim verisi üzerinden öğrenen denetimli yöntemlerdir. Destek vektör makinesi de bu yöntemlerden biridir.