Las especificaciones de software son de gran importancia para mejorar la calidad del software. Para extraer automáticamente especificaciones de sistemas de software, se han propuesto algunos enfoques de extracción de especificaciones basados en autómatas finitos. Sin embargo, estos enfoques son inexactos al tratar con sistemas a gran escala. Con el fin de mejorar la precisión de las especificaciones extraídas, proponemos un enfoque de extracción de especificaciones basado en puntos de ordenación para identificar la estructura de agrupación mediante algoritmos de agrupación y verificación de modelos. En el enfoque, se utiliza primero un modelo de red neuronal para producir los valores de características de los estados en las trazas del programa. Luego, de acuerdo con los valores de características, se generan autómatas finitos basados en los puntos de ordenación para identificar la estructura de agrupación mediante algoritmos de agrupación. Además, se selecciona el autómata finito con la mayor medida F. Para mejorar la calidad de los autómatas finitos, lo refinamos basándonos en la verificación de modelos. El enfoque propuesto se implementó en una herramienta llamada MCLSM y se realizaron experimentos, incluyendo 13 clases objetivo, para evaluar su efectividad. Los resultados experimentales muestran que la medida F promedio de los autómatas finitos generados por nuestro método alcanza el 92.19%, que es superior a la mayoría de las herramientas relacionadas.