网络商品评论情感分析对网络购物用户的决策有着重要的帮助,因此,分类准确性的提高一直是网络商品评论情感分析研究关注的重点问题之一。近些年,集成学习理论是提高分类精度的一种有效途径,并已有研究将Bagging、Boosting引入网络商品评论的情感分析领域,但对于Random Subspace集成学习方法关注相对较少。为此,本研究根据网络商品评论情感分析问题的高维度数据特征,提出一个新的网络商品评论情感分析方法 RS-SVM。该方法以集成学习中的Random Subspace为基础,选取目前在情感分析领域广泛应用的SVM作为基学习器,通过集成Random Subspace较强的学习能力,进一步提高网络用户评论情感分析的准确程度。最后,在网络商品评论情感分析经典数据库Movie Reviews上进行了实验,结果表明RS-SVM取得了比其它分类器都好的实验结果。