Python 使用Levenshtein距离使用Kmeans/EM对字符串（文本）进行聚类

我正在尝试使用Kmeans/EM对字符串进行聚类。我有一个字符串列表（大约70个字符串），我想使用Levenshtein相似性度量对它们进行聚类

因此，基本上，我试图实现本研究论文中的聚类部分： 在做预处理之后。我能够使用Levenshtein距离来建立相似矩阵，然后我使用层次聚类和光谱聚类对字符串进行聚类，但我无法使用Kmeans或EM进行聚类。这是因为在我能够实现的之前的算法中，只有相似性/距离矩阵才足以进行聚类。但是在K-means和EM的情况下，我需要以某种数学上可操作的形式表示文本，因为我们必须找到它们的平均值（在K-means的情况下）

为了将文本转换为向量，我找到了一些技巧，如： 1） 字里行间 2） TF-IDF 3） doc2vec或word2vec

我是否应该使用上述任何一种方法将每个字符串转换为向量，然后应用Kmeans？为了应用K-均值或EM，是否有必要将字符串转换为向量？最后，我必须用Python实现所有东西，所以使用Sklearn的Kmeans不允许我给出我选择的度量或相似性矩阵。我该怎么办

注意：我在文本上发现了一个K-means的实现，他们使用TF-IDF转换了文本。然后应用了Kmeans（欧几里得），但我想使用Levenshtein

还要注意：我有一个字符串列表，而不是文本文档，每个字符串大约有20-30个单词