A análise de sentimento baseada em aspecto é um dos três níveis da análise de sentimento. Os outros são a análise baseada em documentos e a análise baseada em tópicos. Esses algoritmos trabalham em conjunto com o reconhecimento de entidade nomeada (NER), o processamento de linguagem natural (NLP) e outras técnicas de IA para medir o sentimento.​​ 

A análise de sentimento baseada em aspecto é uma técnica de aprendizado de máquina (ML). Ela oferece informações detalhadas e práticas a partir de dados de feedback do cliente, dividindo-os em categorias menores para encontrar e definir sentimentos ocultos sobre a marca.​​ 

A técnica analisa dados de várias fontes, como comentários e vídeos em redes sociais, avaliações, publicações online e pesquisas, e pode ajudar a identificar quais recursos e aspectos de uma empresa precisam melhorar para aumentar a receita.​​ 

Document-based sentiment analysis analyzes a whole piece of text and provides a single categorization of the sentiment expressed. at the emotions expressed. Topic-based sentiment analysis breaks pieces of text into words and phrases, clusters them in specific topics such as ‘food’ or ‘customer service’ and calculates sentiments for each of them. A powerful sentiment analysis tool often leverages this advanced technique, ensuring brands automatically receive customer sentiment insights about various aspects of their business without having to manually build tags or labels for topics and keywords relevant to their industry.​​ 

A análise de sentimento baseada em aspecto é a mais avançada das três. Ela extrai aspectos dos dados para medir o sentimento e os atribui a tópicos previamente identificados. Identifica, por exemplo, aspectos como "serviço rápido", "equipe educada" e "limpeza", medindo o sentimento e agrupando esses aspectos sob o tópico "atendimento ao cliente". Dessa forma apresentando os sentimentos baseados em tópico e baseados em aspectos.​​ 

Um modelo de aprendizado de máquina baseado em aspectos do setor oferece perspectivas de maior precisão, porque são definidas com base em detalhes dos dados. Isso é importante porque os aspectos de cada setor são diferentes. Por exemplo, aspectos como "caixa" ou "conta poupança" no setor bancário não têm relação com aspectos como "alimentos" ou "bebidas" em restaurantes. Com esse recurso integrado, as marcas podem receber automaticamente perspectivas do sentimento do cliente sobre vários aspectos de seus negócios sem precisar criar manualmente etiquetas ou rótulos com tópicos e palavras-chave relevantes do setor.​​