提高特定领域软件产品在建筑信息模型（BIM）中的互操作性和信息交换是建筑、工程、施工和运营行业的一个重要方面。近期的研究开始探索来自机器学习和深度学习领域的语义增强方法，以丰富BIM模型的语义信息。然而，这些机器学习算法的训练和评估需要足够大且全面的数据集。本文介绍了IFCNet，一个包含广泛IFC类别的单实体IFC文件数据集，其中既包含了几何信息也包含了语义信息。实验结果表明，仅使用对象的几何信息，三种不同的深度学习模型均能实现良好的分类性能。