例如，我试图将有关编程的字符串与有关编程的其他字符串、有关物理的字符串与有关物理的其他字符串等进行分组，以涵盖广泛的主题。尽管问题的理论语言方面很明显，但我希望使用编程/软件实际做到这一点。
概要：给定大量字符串，我将如何按语义主题对它们进行分组？
特定应用：我有大约 20 万个琐事问题，我想将它们分类为常见的分组（汽车、计算机、政治、加拿大、食品、巴拉克奥巴马等）。
我研究过的内容：维基百科有一个自然语言处理工具包列表（假设我正在尝试做的实际上称为 NLP），所以我查看了一些，但似乎没有一个能满足我的需求。
注意：有人指出，这样做需要额外的知识（例如，保时捷是汽车，C++ 是一种编程语言）。我假设需要训练数据，但如果我只有问题和答案列表，我该如何生成训练数据？然后我如何使用训练数据？
更多注释：如果我的问答的当前格式有帮助（虽然它看起来像 JSON，但它基本上是一个原始文本文件）：
// row 1: is metadata
// row 2: is a very specific kind of "category"
// row 3: is the question
// row 4: is the answer
{
15343
A MUSICAL PASTICHE
Of classical music's "three B's", he was the one born in Hamburg in 1833
Johannes Brahms
}
但在有人指出已经存在一个类别之前，请注意有大约 20 万个这样的问题和答案，并且基本上有很多“类别”。我正在尝试将这些分组到更广泛的组中，例如上面列出的组。此外，可以很容易地为所有问题更改此格式，我以编程方式进行。
还有更多注意事项：我实际上不知道我需要多少个类别（至少 10-20 个），因为我自己还没有通读所有问题。我部分期望在分类过程中以某种方式确定有限数量。无论如何，我总是可以手动创建多个类别。