Python 缩写的挑战性正则表达式

对于我正在从事的一个项目，我想在第一次在文本中介绍缩写词时识别它们

例如：

他在丹麦国家银行（DNB）工作

（……）

DNB是一个伟大的雇主

应匹配DNB作为丹麦国家银行的缩写。但并非所有缩写都是大写：

2012年，引入了《马戏团工作人员平等待遇法》（此后为LetCW）

它应该返回extract LetCW。最好的方法是什么？我目前正在考虑删除“在此之后”，然后在括号前加上与可疑缩写中字母数量相同的单词

编辑： 另一个有趣的例子是单个单词的缩写，即：

缩写（缩写）

或

缩写（Abvn）

---

这是一个NLP问题，但它并没有给我留下正则表达式问题的印象——这似乎不是最合适的工具

似乎您想要解析一个令牌流，并识别可能是缩写的有前途的令牌。例如，它们可以是括号分隔的或逗号分隔的。令人恼火的是，一旦停止词（“即”、“在此之后”）被删除，它们可能会出现在定义短语之前或之后。识别潜在缩略语的一种启发式方法是区分大小写的匹配，显示英语词典中的非成员

在确定了一个可能的缩写标记后，您需要扫描它的邻近区域，看看是否可以用附近的单词来解释它，最好只使用它们的首字母。对于真正具有挑战性的数据集，您可以尝试解释DARPA背景

---

要想从另一个方向理解这一点，您可以尝试应用word2vec。这里是phrase2vec，挑战是可伸缩地识别与潜在缩写标记的余弦距离非常小的多词短语。

这些括号内是否存在其他非缩写文本？是，但在这种情况下，我不想匹配它。要做到完美的准确性通常是不可能的（不仅仅是正则表达式）。