您应该关注自然语言处理，特别是情感分析。

我提供的链接是学习情绪分析的一个很好的起点。如果这是您正在寻找的，它可以作为斯坦福核心 NLP的一部分。

对于您的问题，这些不存在绝对解决方案，但我可以建议您一些可能会有所帮助的技术。
如果我没记错的话，那么您基本上是在尝试将英语解释为人类情感。
关于这个主题有完整的理论，在做了一些研究之后，我想出了两件事情，在你的情况下可能会很方便。

1. 情感计算
   主要思想是，您收集口头数据（尽可能多），然后对口头数据应用机器学习算法（分类）来确定口头数据是否与“幸福”相关. 你可以想出尽可能多的重要特征。一个功能可以是，您可以为每个单词分配一个数字，例如 (happy=1, happier=3, happy=10)...这只是一个示例。另一个特征可能是，你试图找出句子中的“不”和“否定”，因为“不开心”显然会让你在你的特征中得到负值。你可以想出尽可能多的相似的语言特征。在计算出合理数量的特征后，您可以简单地应用上述算法，
2. Sentiment Analyzer
   我刚找到这篇研究论文，它和自然语言处理一起工作，在处理完语言之后，它会分析人的情绪，或者说来源。你可以自己去学习。

你为什么不根据对你的文本（即facebook评论）的抽样来经验性地获得幸福。您可以招募评论者（根据您的需要，“天真的”参与者或心理学/情感专家）。给审阅者某种等级来对文本进行评分——或者将文本分类为正面、负面或中性，或者让他们以 likert 类型的等级对文本进行评分，例如，在 1 到 10 的范围内，最大为 10，有多开心你认为这段文字是什么？）。通过拥有多个审阅者，您可以设置可靠性阈值的阈值（例如，3 个审阅者中必须有 2 个就分配/分数达成一致；2 个审阅者就分歧达成共识，等等）。然后，此数据将成为您的标记训练数据，您可以使用这些数据对剩余数据进行评分。