Las redes sociales en línea (OSM) como Facebook y Twitter han surgido como una herramienta poderosa para expresar a través de texto las opiniones y sentimientos de las personas sobre los eventos actuales que las rodean. Entender las emociones a un nivel detallado de estos pensamientos expresados es importante para la mejora del sistema. Tales ideas cruciales no pueden obtenerse completamente mediante el análisis de sentimientos de big data basado en inteligencia artificial; por lo tanto, la detección de emociones basada en texto utilizando IA en datos de redes sociales se ha convertido en un área emergente de investigación en Procesamiento del Lenguaje Natural. Puede ser utilizada en varios campos como comprensión de emociones expresadas, interacción humano-computadora, minería de datos, educación en línea, sistemas de recomendación y psicología. Aunque la investigación está en curso en este dominio, aún carece de un estudio formal que pueda ofrecer una visión general de la literatura cualitativa (técnicas utilizadas) y cuantitativa (contribuciones). Este estudio ha considerado 827 artículos de investigación de Scopus y 83 de Web of Science de los años 2005-2020 para el análisis. La revisión cualitativa representa diferentes modelos de emociones, conjuntos de datos, algoritmos y dominios de aplicación de detección de emociones basada en texto. La revisión bibliométrica cuantitativa de las contribuciones presenta detalles de investigación como publicaciones, volumen, redes de coautoría, análisis de citas e investigación demográfica. Al final, se presentan desafíos y posibles soluciones que pueden proporcionar futuras direcciones de investigación en esta área.