英国爱尔兰国立学院计算机学院的研究人员开展了一项项目，旨在通过从近 85,000 条推文中提取情绪和情感，结合机器学习算法，预测和分类大约 15 部电影的票房成功情况（该电影是“失败”、获得“一般”成功、“热门”还是“超级热门”？）。他们使用了 Syuzhet 软件包，该软件包将推文分为正面和负面推文，并为其分配情感分数。研究人员测试了四种不同的机器学习模型来分析数据，其中两种模型的准确率超过 60%，比其他研究中使用的模型更好。
投资者和交易员一直试图利用不同类型的金融分析来预测金融市场的演变。人工智能和 手机号码数据 机器学习为他们提供了新工具：基于大量金融数据构建的预测模型。现在，金融正在利用情绪分析来完善其工具箱。
行为金融学表明情绪会影响投资决策
进而影响股市价格。因此，捕捉集体情绪（尤其是投资者的情绪）可以预测股市走势。
2011 年，研究人员已经开始分析推特上表达的情绪与股市指数（道琼斯指数、纳斯达 以下是 Lemlist 表现出色但 克指数、标准普尔 500 指数）之间的相关性。他们的初步研究得出结论，当微博平台上表达的情绪（希望、恐惧、担忧）在某一天很强烈时，道琼斯指数第二天就会下跌。“[…] 只需在推特上查看任何类型的情绪爆发，就可以预测股市第二天的表现。”
一些印度研究人员希望证明利用社交网络和经济新闻网站上表达的有关公司的情绪和观点来微调公司 新加坡电话列表 股价变化预测的价值。
情绪分析可以利用其他数据源
例如生物特征数据（语音、面部表情）甚至音乐数据。一个国际研究小组建议，衡量投资者的心态时，不应基于社交网络上发布的评论文本数据，而应基于音乐流媒体平台 Spotify 的数据。
他们的论文发表在《金融经济学杂志》上，论文表明，可以利用 Spotify 用户的音乐选择来衡量一个国家个人的平均情绪，并将其与股市走势联系起来预测国家指数。
衡量公众舆论
社交网络在政治中的重要性众所周知。人们利用社交网络分享观点、讨论时事、与民选代表和政客互动……这使得社交网络成为分析师的研究领域，他们希望在起草立法期间或选举前衡量公众对特定主题、政党或政客的看法。