本文研究的目的是建立一个统一的分词，聚类，语义空间模型。我们使用了面向对象的方法，有利于本系统的结构的升级和修改。　　 本文主要的工作由三部分组成：分词，聚类，使用分词、聚类的结果建立语义空间。分词，聚类统一使用统计学习的方法进行处理。　　 分词技术是进行高级自然语言理解，检索，等工作的前提。本文通过统计学习理论，着重研究在小样本情况下的统计规律及学习方法性质。它为机器学习问题建立了一个较好的理论框架，也应用发展了一种新的通用学习算法：支持向量机(SVM)。本文从支持向量机理论、方法和应用结合的角度出发，研究了支持向量机在中文分词中的应用。　　 然后对于分词结果建立倒排索引的同时，进行词聚类。这同样也使用到了支持向量机。对于分词时用到的统计信息可以在聚类时继续使用，降低了程序的代价。这是一种提高效率的方法。　　 最后，研究了语义空间建立的问题，使用分词，聚类的结果，使用PLSI方法建立语义空间矩阵，对文章进行浅层次的理解。　　 经过调试和运行，本论文研究设计的一体化分词聚类，建立语义空间方法能够达到设计要求，改善了语义空间建立耗费巨大资源的局面。