根據字符串屬性查找類似用戶

Question

我是一名軟件工程專業的學生，​​也是Data Mining的新成員，我希望實施一種解決方案，根據用戶的興趣和技能（字符串集）找到類似的用戶。

我想我不能使用k近鄰使用編輯距離（萊文斯坦或..）

如果有人可以提供幫助的請

Answer 1

你應該做的第一件事是您的數據轉換成一些合理的代表，這樣你就可以在適當表示的用戶之間有一個明確的距離概念。

我建議將所有字符串轉換爲一些規範形式，然後將所有n不同技能和興趣字符串排序爲字典D。現在對於每個用戶u，構建一個帶有n組件的向量v(u)，如果存在字典條目i中的屬性，則組件的第i個分組設置爲0，否則爲0。基本上，我們用每個用戶的興趣/技能來表示一個特徵向量。

現在您可以將用戶與Jaccard index進行比較（這只是一個示例，您必須找出最適合您的方式）。隨着距離的概念，你可以開始嘗試各種方法。下面是一些想到的春天：

• 如果用戶數量足夠小，則應用層次聚類;
• apply association rule learning（我會留給你想想細節）;
• 等