大型多人在线角色扮演游戏(Massive Multiplayer Online Role-Playing Games,简称MMORPGs)因为具有和真实世界相似的属性而成为数据挖掘领域的研究热点。随着玩家和游戏规模的扩大,对游戏里诸如反外挂、个性化推荐、用户画像等问题都提出了更高的要求,于是针对特定玩家类别的抽取模型成为一种可靠有效的方法,用来从海量用户中挖掘出目标群体。传统的基于有监督和半监督的群体发现算法依赖于全局的先验信息。在本文中,无需给出数据里所有可能的玩家类别及其标签样本,只需标注出目标群体的部分成员,即可从全部用户集里抽取出具有相同风格的完整群体。这样避开了标签残缺和类别失衡对学习的影响。基于目标群体的部分已知个体,本文提出了一种针对MMORPGs特定玩家类别的抽取模型,包括以下两部分:1 MMORPGs结构化特征表示方法,在保留玩家时序行为的基础上,实现了事件离散化和向量化,并通过列聚类的方式进行特征选择,,获得低维空间的玩家行为表达。2.目标群体抽取算法,通过在二分k-means层次聚类算法里引入半监督信息,在缩小搜索空间的同时让聚类过程收敛到目标群体所在区域,使抽取结果不仅具有无监督目标下的凝聚度,也获得了有监督信息对聚类过程的校正。文章最后通过组合相关领域有代表性的MMORPGs结构化特征表示方法和半监督群体发现算法,进行了丰富的实验论证,证明本文方法对不同目标群体都可以实现更为出色的抽取效果。