Nlp 当预定义的类别不可用时，如何对文本进行分类

我有一个问题，不知道该应用哪种算法。 我正在考虑在案例2中应用集群，但在案例1中没有想法：

我有150万张信用卡活动文件。每个文档定义良好，每行包含一个事务。日期、金额、零售商名称以及5-20字的简短描述。 样本： 2004年11月47日500美元，亚马逊，一家提供书籍、硬件、音乐等商品和服务的在线零售商。 问题： 1.如果没有预定义的类别，如何对每个条目进行分类。 2.如果给你预先定义的类别，如“餐厅”、“娱乐”等，你会怎么做？

1）如果没有预先定义的类别，你会如何对每个条目进行分类

你不会的。取而代之的是，你可以对数据的特征使用一些降维算法，在二维中对它们进行降维，猜测“自然”聚类的数量，然后运行聚类算法

2） 如果给你预定义的类别，如“餐厅”、“娱乐”等，你会怎么做

---

您可以手动标记一组类别，然后在此基础上训练分类器，看看它在精度/F1、交叉验证等常规机制中的效果如何。或者您可以检查聚类算法是否能够很好地提取这些类别，但您仍然需要一些标记数据。

此项目的目的是什么？