NLTK、Ngrams和concordanceMultiple words

Question

我正在研究一些报纸档案，一些与银行有关的报道。我的问题是，像美银美林、摩根士丹利和摩根大通这样的名字在不同的国家被报道得不一样：BankAM，BofA，BAML，或者MS，JPM，J.P.Morgan，JP。摩根。我正在使用regexp标记器进行预处理。如何建立某种等价/查找表？花旗集团与花旗银行、花旗银行、花旗集团和花旗银行是同一回事（在新闻报道中）。任何帮助都将不胜感激。 @词典把一个词映射成多个词。在这种情况下，我需要将许多变体映射到一个“专有名词”。这也意味着我需要把{bankofamericamerrilllynch}读为NNP，在适当的上下文中，将{MS}读为NNP，相当于摩根士丹利。在