从社交媒体网络上不断生成的文本流到数以亿计的在线消费者评论，对大数据流的观点（情感）分析为每个领域的许多组织提供了从大量用户生成的文本流中发现有价值的情报的机会。但是，传统的内容分析框架无法有效地处理大量的非结构化文本流，并且无法对大数据流进行实时意见分析，因此文本分析任务非常复杂。在本文中，我们提出了一种并行的实时情感分析系统：社交媒体数据流情感分析服务（SMDSSAS），该服务利用两个完全分析的观点挖掘模型实时有效地实时执行社交媒体文本流的情感分析的多个阶段，以应对文本数据流的规模以及对非结构化文本流的情感分析处理的复杂性。我们提出了两个基于方面的意见挖掘模型：确定性和概率性情感模型