Muchos métodos de minería de texto utilizan información estadística como un enfoque independiente del texto y del lenguaje para el análisis de sentimientos. Sin embargo, los métodos de minería de texto basados en patrones estocásticos y reglas requieren muchas muestras para el entrenamiento. Por otro lado, los métodos deterministas y no probabilísticos son más fáciles y rápidos de resolver que otros métodos, pero son ineficientes al tratar con datos de Procesamiento de Lenguaje Natural (NLP). Esta investigación presenta una nueva solución híbrida basada en dos enfoques matemáticos combinados con un enfoque heurístico para resolver sistemas de ecuaciones algebraicas pseudo-lineales desbalanceados que pueden utilizarse como un sistema de puntuación de palabras de sentimiento. En su primer paso, la solución propuesta utiliza dos enfoques matemáticos para encontrar dos poblaciones iniciales para un método heurístico. La solución heurística resuelve un esquema de puntuación NLP pseudo-lineal en un método de detección de polaridad y determina las puntuaciones finales. La solución propuesta fue validada utilizando tres escenarios en la competencia SemEval-2013, el conjunto de datos ESWC y el conjunto de datos Taboada. Los resultados de la simulación revelaron que la solución propuesta es comparable a los mejores métodos de vanguardia en detección de polaridad.