El estudio de la opinión pública puede proporcionarnos información valiosa. El análisis del sentimiento en redes sociales, como Twitter o Facebook, se ha convertido en un medio poderoso para conocer las opiniones de los usuarios y tiene una amplia gama de aplicaciones. Sin embargo, la eficiencia y precisión del análisis de sentimientos se ven obstaculizadas por los desafíos encontrados en el procesamiento del lenguaje natural (PLN). En los últimos años, se ha demostrado que los modelos de aprendizaje profundo son una solución prometedora para los desafíos del PLN. Este artículo revisa los últimos estudios que han empleado el aprendizaje profundo para resolver problemas de análisis de sentimientos, como la polaridad del sentimiento. Se han aplicado modelos que utilizan frecuencia de término-frecuencia inversa de documentos (TF-IDF) y word embedding a una serie de conjuntos de datos. Por último, se ha realizado un estudio comparativo sobre los resultados experimentales obtenidos para los diferentes modelos y características de entrada.