Кластеризация смс сообщения и получение переменной части каждого кластера. Какие есть пути решения?

Question

[AgentFSB]

Имеется выборка смс сообщений. Задача составить для этих сообщений регулярные выражения. Тексты могут быть абсолютно на разные темы и какой-то определенной закономерности нету. Я разбил задачу на две.

• Первая - это кластеризация.
  
• Вторая - генерация регулярного выражения для каждого кластера.
  

Для кластеризации использую свой алгоритм основанный на алгоритме Оливера для сравнения похожести строк. Пробовал алгоритм db scan, но столкнулся с проблемой подбора epsilon и minPts. Для одних текстов слишком маленькое для других большое, что-то среднее найти не получилось. Например, есть тексты

"Raymond Adamson your are arrived. Phone - 12341234."
"Raymond Adamson your are arrived. Phone - 12341234."
"Peter Parker your are arrived. Phone - 12121212."

Они должны попасть в один кластер и на выходе должно быть что-то типо "{var} your are arrived. Phone - {var}."

или

assigned green Ford Escape A1234BC, [phone].
assigned red NISSAN V555QW, [phone].

Они тоже должны попасть в один кластер. И получим "assigned {var}".

Проблема в правильной кластеризации совершено разных и текстов. Кто-нибудь сталкивался с подобным?
Может есть готовые решения для задач такого рода или библиотеки