Java 中字符串（非结构化数据）的 K 最近邻实现

我正在寻找 Java 中针对非结构化数据的 K 最近邻算法的实现。我发现了许多数字数据的实现，但是我如何实现它并计算文本（字符串）的欧几里得距离。

以下是 double 的一个示例：

public static double EuclideanDistance(double [] X, double []Y)
{
    int count = 0;
    double distance = 0.0;
    double sum = 0.0;
    if(X.length != Y.length)
    {
        try {
            throw new Exception("the number of elements" + 
                      " in X must match the number of elements in Y");
        } catch (Exception e) {
            // TODO Auto-generated catch block
            e.printStackTrace();
        }
    }
    else
    {
        count = X.length;
    }
    for (int i = 0; i < count; i++)
    {
        sum = sum + Math.pow(Math.abs(X[i] - Y[i]),2);
    }
    distance = Math.sqrt(sum);
    return distance;
}

如何针对字符串（非结构化数据）实现它？例如，

Class 1: 
"It was amazing. I loved it"
"It is perfect movie"

Class 2:
"Boring. Boring. Boring."
"I do not like it"

我们如何在此类数据上实现 KNN 并计算欧氏距离？

您正确地注意到，您唯一要做的就是定义字符串之间的距离概念。问题是它依赖于任务。它可以是任何来自如果两个字符串中都有世界“数据”，我们将距离分配为 1，否则为 0更复杂的东西，比如霍加狓 BM25 https://en.wikipedia.org/wiki/Okapi_BM25.

看看各种字符串指标 https://en.wikipedia.org/wiki/String_metric或者可能是 python 实现tf-idf https://stackoverflow.com/a/32473678/1090562.