随着网络游戏玩家数量的日益增大,对玩家分类,根据其不同特征实施不同的营销策略会产生最大化的收益。传统的游戏用户分类方式和系统越来越不能满足游戏运营商对玩家准确分类的需求。因此,如何有效区别对待不同玩家引导其游戏行为带来更好的效益成为游戏运营商一个亟待解决的问题。根据玩家游戏日志数据对玩家进行分类是一个有效的办法,但是由于网络游戏的复杂性,直接使用聚类算法对用户的消费行为和游戏行为进行聚类的传统的网络游戏用户分类方法在结果上差强人意,无法满足网络运营商日益增长的需求。目前一些学者开始将用户游戏行为构建成行为模型用于用户分类。本文引入过程挖掘技术将用户游戏行为构建成用户游戏行为的过程模型,应用于网络游戏用户分类以提高用户分类的准确率。传统的过程挖掘算法对于非结构化的游戏日志数据得到的过程模型十分冗杂,不适合应用于分类算法中。本文针对上述问题,在原有α算法的基础上提出F-α算法,利用子过程分割、活动聚合以及抽象的方式将非结构化的游戏日志中的玩家游戏过程模型清晰的构建出来。并将得到的用户过程模型应用聚类的方法分成不同类别,以区分不同用户。本文具体的研究内容如下:1.在网络游戏用户分类中引入过程挖掘技术,利用对过程挖掘构建的用户游戏行为过程模型聚类达到用户分类的目的。2.在α算法的基础上提出F-α算法优化过程模型,通过子过程分割、活动聚合及抽象的方式清晰化过程模型,并将实验结果与直接的过程挖掘产生的模型进行对比分析。3.将过程挖掘和聚类算法相结合,在k-means和FCM算法的基础上提出p-k-means和p-FCM算法。通过对玩家过程模型的聚类达到用户分类的目的。并与直接应用聚类的分类方法结果进行对比分析。