加速CoreNLP情绪分析

Question

有人能想出一种方法来加速我的CoreNLP情绪分析（见下文）吗？

我在服务器启动时初始化CoreNLP管道一次：

// Initialize the CoreNLP text processing pipeline
public static Properties props = new Properties();
public static StanfordCoreNLP pipeline;

// Set text processing pipeline's annotators
props.setProperty("annotators", "tokenize, ssplit, pos, parse, sentiment");
// Use Shift-Reduce Constituency Parsing (O(n),
// http://nlp.stanford.edu/software/srparser.shtml) vs CoreNLP's default
// Probabilistic Context-Free Grammar Parsing (O(n^3))
props.setProperty("parse.model", "edu/stanford/nlp/models/srparser/englishSR.ser.gz");
pipeline = new StanfordCoreNLP(props);

然后我从控制器调用管道：

String text = 'A sample string.'
Annotation annotation = pipeline.process(text);
List<CoreMap> sentences = annotation.get(CoreAnnotations.SentencesAnnotation.class);
for (CoreMap sentence : sentences) {
    Tree tree = sentence.get(SentimentCoreAnnotations.SentimentAnnotatedTree.class);
    int sentiment = RNNCoreAnnotations.getPredictedClass(tree);
    ...
}

我已经分析了代码——行Annoation noation=pipeline.process（text），这是CoreNLP的主要处理调用，非常慢。对我的控制器进行100次调用的请求平均需要1.07秒。注释每次调用需要~7ms。我需要将其减少到~2ms。

我不能删除任何注释，因为情绪依赖于所有注释。我已经在使用Shift-Reduce选区解析器，因为它比默认的上下文无关语法解析器快得多。

有没有其他参数可以调整以显著加快速度？

Answer 1

有同样的问题。我也试过SR Beam，它甚至比PCFG还要慢！基于斯坦福基准，SR Beam应该比PCFG快得多，而且只比SR稍慢。

我想除了使用SR解析器而不是PCFG之外，提高速度的唯一剩余方法可能是使用标记器选项。。。