我在我的 Web 应用程序中使用斯坦福 NER，并使用 english.muc.7class.dissim.crf.ser.gz（16 MB 大小）作为分类器。当我尝试部署和运行我的应用程序时，我得到一个堆空间 - 内存不足加载分类器时出错。
已尝试仅保留有用的代码，还检查代码是否没有创建太多对象并占用空间。但没有成功。
是因为分类器的大小吗？但我想用同样的，我该怎么办？
在 tomcat 中使用 vm 选项增加了本地的堆大小。但是我可以在我将托管我的应用程序的实际服务器上增加 vm 的堆大小，这也不是正确的方法。
有人可以指导我吗？
是的，您基本上不应该太担心代码的大小，因为它由加载的数据的大小决定。
模型数据：分类器模型只是占用大量空间。似乎您需要大约 140 MB 的堆来加载当前（2012 年）版本的 english.muc.7class.dissim.crf.ser.gz 。它们只是很多字符串和双精度数，但是磁盘上的大小有很大的增加，因为：磁盘上的数据是压缩的，众所周知，Java 中的 String 对象每个都占用大量空间，而且它们通过占用更多空间的 HashMap 重新链接。似乎单独的 String 数据最终占用了大约 72 MB 的内存（36 MB 的 char[] 数据，36 MB 的 String 对象）。
要分析的数据：这取决于您如何调用它，并且在您使用 tomcat 的情况下可能不是问题，但是如果在文件上运行 NER，它将在分类之前将整个文件读入内存。因此，您可以通过给它多个较小的单元（文件、字符串或其他）进行分类来减少内存。
此外，您更有可能通过标签stanford-nlp获得有关此类问题的及时帮助。
我同意克里斯托弗的建议，你不用担心大小。
但是为了获得强大的性能，请尝试使用永远存在的 Java 线程，并在 serevr 开始时通过静态方法或某个侦听器仅加载一次分类器。然后对于进一步的注释使用相同的上下文。