一个更小的Stanford NLP Models Jar文件

Question

我目前正在为斯坦福NLP模型使用这个JAR文件:stanford-corenlp-3.5.2-models.JAR

这个文件很大：大约有340 MB。

我只使用了4个模型:tokenize、ssplit、parse和lemma。我是否可以使用一个更小的模型JAR文件（或者每个单独的模型都有一个JAR文件），因为我绝对需要这个文件的大小尽可能小

Answer 1

如果只在类路径中包含解析器的模型文件和词性标记器的模型文件，就可以了。“lemma”需要“pos”，所以您需要在注释器列表中包括它。

例如：“edu/stanford/nlp/models/lexparser/englishpcfg.ser.gz”和“edu/stanford/nlp/models/pos-tagger/english-left3words/english-left3words-distsim.tagger”应该是您所需要的。

您可以创建该目录结构，并将这些文件包含在类路径中，或者创建一个jar，其中仅包含这些文件。你绝对可以切掉那个罐子的大部分。

底线是，如果您丢失了某些内容，您的代码将崩溃，出现丢失资源错误。所以您只需继续添加文件，直到代码停止崩溃。您肯定不需要在JAR中有很多文件。