我是一名软件工程专业的学生，对数据挖掘领域还不太熟悉，我想实现一个基于用户兴趣和技能（字符串集合）的相似用户查找解决方案。

我想我不能使用基于编辑距离（如Levenshtein距离等）的K最近邻算法来实现这个功能。

如果有人能在这方面提供帮助，我将不胜感激。

回答：

你首先要做的是将你的数据转换为某种合理的表示形式，这样你就能有一个明确的用户之间距离的概念。

我建议将所有字符串转换为某种标准形式，然后将所有n个不同的技能和兴趣字符串按顺序排列到一个字典D中。现在，对于每个用户u，构造一个包含n个分量的向量v(u)，如果字典条目i中的属性存在，则第i个分量设为1，否则设为0。本质上，我们用一个特征向量来表示每个用户的兴趣/技能。

现在你可以使用Jaccard指数（这只是一个例子，你需要自己找出最适合你的方法）来比较用户。一旦有了距离的概念，你就可以开始尝试各种方法了。以下是一些想到的方法：

• 如果用户数量足够少，可以应用层次聚类；
• 应用关联规则学习（具体细节留给你自己思考）；
• 等等。