Com os avanços do Aprendizado de Máquina (AM), muitas soluções estatísticas foram desenvolvidas para resolver problemas de Análise de Sentimentos (AS) e Processamento de Linguagem Natural (PLN). No entanto, até o momento, nenhum processo de classificação estatística seria capaz de resolver relações semânticas e linguísticas da mesma forma que o cérebro humano. De acordo com a literatura, somente ferramentas extremamente robustas seriam capazes de gerar correlações entre os sentidos das palavras, trazendo o real significado simbólico aos textos. Ontologias são capazes de representar estruturas semânticas de modo a correlacionar conceitos em um domínio específico, assim como seres humanos associam palavras e recebem mensagens de acordo com sua realidade cultural, histórica e social. Apesar de recorrentes na área de Ciência da Computação, ontologias são raramente aplicadas à AS, com exceção de alguns exemplos na língua inglesa, cujos estudos apresentaram resultados promissores ao classificar sentimentos. O Brasil, atualmente não possui nenhum framework robusto que execute tarefas de AS com aspectos de abordagem ontológica ou base de conhecimento e poucas são as pesquisas utilizando a metodologia na língua portuguesa. Este trabalho apresenta uma comparação de métodos entre abordagens léxicas e bases de conhecimento com aspectos ontológicos, além de um novo corpus paralelo em português - inglês. Para tanto, efetuou-se, inicialmente, uma revisão de métodos com abordagens ontológicas aplicadas à AS com o objetivo primário de levantar discussões sobre possíveis estratégias de expansão para o campo de AS no Brasil. Espera-se, assim, despertar novas reflexões e um olhar mais profundo sobre humanidades digitais e suas abordagens híbridas, incluindo ontologias, no cenário luso-brasileiro.