数字化的建筑信息已在建筑设计、城市规划等领域中大量存在并得到广泛应用，尤其是近年来出现的建筑信息模型在建筑的设计、施工、销售招商及运营管理等阶段发挥着十分重要的作用。建筑信息模型中包含了大量复杂的信息，而这些都是极其宝贵的知识财富和经验积累。因而，为了克服“数据丰富而知识匮乏”现象，对建筑信息模型的空间拓扑关系提取和分类的研究是十分必要。首先，建筑信息模型的空间拓扑关系能够很好的表征建筑物内部空间的通达性特征，现今国内外鲜有针对建筑信息模型的空间拓扑关系提取方法的研究；并且现有的众多BIM软件能够提供大而全的建筑信息参数，但这些工具尚不能按照人们的需求自动生成模型内部的空间拓扑关系，因而有必要研究自动提取建筑信息模型的空间拓扑关系方法。为此，本文构建出了一种既兼顾高效又考虑结果准确的建筑信息模型的空间拓扑关系提取方法。其次，本文构建出了一种结合空间句法理论和基于SVM决策分类的模型分类方法。该分类方法分为特征提取与基于SVM的决策分类两个环节。该方法先是对建筑信息模型建立RCARG模型，并定义一组对比分量定量为模型的固有几何特征；然后利用建筑信息模型的领域属性，结合空间句法理论，使用句法变量丰富出一组描述建筑模型空间结构的特征来支持模型分类，这在很大程度上改善了模型分类的特征信息量，提高了分类的精准度。最后在常用的DAG-SVMS分类算法的基础上增加特征向量均衡化的过程，减少决策分类时误判几率，以实现高精准度分类效果。实验结果表明，该方法与KNN和改进前的DAG-SVMS算法相比，具有较高的分类精准度，并能够很好的应用到建筑信息模型分类中。