我最近进入了机器学习领域，我正在做的一个项目要求我根据用户访问网站上的网页的顺序对用户进行聚类。我有以下形式的数据：

['user_id', 1, 2, 4, 6, 3, 7, 3, 2, 4...]

其中每个数字是用户访问的类别/页面。此外，每个用户的数据长度也不相同，即一些用户访问的页面比其他用户多。

我意识到这真的很模糊，很难定义相似性。我尝试按照这篇研究论文中的示例进行操作，老实说，其中很多内容都超出了我的想象。

我需要帮助来解决这个问题，并且愿意接受新的想法和建议。