使用Netbeans的Stanford上的Java堆空间错误
我正在使用Stanford NER解析一个句子以获得以下标记：tokenize、ssplit、pos、引理、NER。我还通过项目->属性->运行->虚拟机选项将netbeans中的内存增加到使用Netbeans的Stanford上的Java堆空间错误,java,nlp,netbeans-7,stanford-nlp,Java,Nlp,Netbeans 7,Stanford Nlp,我正在使用Stanford NER解析一个句子以获得以下标记：tokenize、ssplit、pos、引理、NER。我还通过项目->属性->运行->虚拟机选项将netbeans中的内存增加到-Xms1600M-Xmx1600M。但我还是得到了Java的内存异常。 我在Windows7JDK1.7上运行32位java。 这是我的密码 public ArrayList<String> NERTokensRet(String string) { ArrayList<Strin
-Xms1600M-Xmx1600M我在Windows7JDK1.7上运行32位java。 这是我的密码
public ArrayList<String> NERTokensRet(String string) {
ArrayList<String> myArr = new ArrayList<String>();
props = new Properties();
props.put("annotators", "tokenize,ssplit,pos,lemma,ner");
pipeline = new StanfordCoreNLP(props);
// String resultString = string.replaceAll("[^\\p{L}\\p{N}]", " ");
Annotation annotation = new Annotation(string);
pipeline.annotate(annotation);
int j;
for (CoreMap sentence : annotation.get(CoreAnnotations.SentencesAnnotation.class)) {
List<CoreLabel> tokens = sentence.get(CoreAnnotations.TokensAnnotation.class);
for (j = 0; j < tokens.size(); j++) {
CoreLabel token = tokens.get(j);
myArr.add("[" + token.originalText() + "," + token.tag() + "," + token.beginPosition() + "," + token.endPosition() + "]");
}
//System.out.println(myArr);
}
return myArr;
}
public ArrayList NERTokensRet（字符串）{
ArrayList myArr=新的ArrayList（）；
props=新属性（）；
道具放置（“注释器”、“标记化、ssplit、pos、引理、ner”）；
管道=新StanfordCoreNLP（道具）；
//String resultString=String.replaceAll（“[^\\p{L}\\p{N}]”，“”）；
注释=新注释（字符串）；
管道注释（注释）；
int j；
for（CoreMap语句：annotation.get（coreanotations.SentencesAnnotation.class））{
List tokens=句子.get（coreanotations.TokensAnnotation.class）；
对于（j=0；jException in thread "main" java.lang.OutOfMemoryError: Java heap space
at java.lang.AbstractStringBuilder.<init>(AbstractStringBuilder.java:45)
at java.lang.StringBuilder.<init>(StringBuilder.java:68)
at java.io.ObjectInputStream$BlockDataInputStream.readUTFBody(ObjectInputStream.java:2998)
at java.io.ObjectInputStream$BlockDataInputStream.readUTF(ObjectInputStream.java:2819)
at java.io.ObjectInputStream.readString(ObjectInputStream.java:1598)
at java.io.ObjectInputStream.readObject0(ObjectInputStream.java:1319)
at java.io.ObjectInputStream.readObject(ObjectInputStream.java:350)
at java.util.HashMap.readObject(HashMap.java:1030)
at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:39)
at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:25)
at java.lang.reflect.Method.invoke(Method.java:597)
at java.io.ObjectStreamClass.invokeReadObject(ObjectStreamClass.java:974)
at java.io.ObjectInputStream.readSerialData(ObjectInputStream.java:1848)
at java.io.ObjectInputStream.readOrdinaryObject(ObjectInputStream.java:1752)
at java.io.ObjectInputStream.readObject0(ObjectInputStream.java:1328)
at java.io.ObjectInputStream.defaultReadFields(ObjectInputStream.java:1946)
at java.io.ObjectInputStream.readSerialData(ObjectInputStream.java:1870)
at java.io.ObjectInputStream.readOrdinaryObject(ObjectInputStream.java:1752)
at java.io.ObjectInputStream.readObject0(ObjectInputStream.java:1328)
at java.io.ObjectInputStream.readObject(ObjectInputStream.java:350)
at edu.stanford.nlp.ie.crf.CRFClassifier.loadClassifier(CRFClassifier.java:2255)
at edu.stanford.nlp.ie.AbstractSequenceClassifier.loadClassifier(AbstractSequenceClassifier.java:1444)
at edu.stanford.nlp.ie.AbstractSequenceClassifier.loadClassifier(AbstractSequenceClassifier.java:1421)
at edu.stanford.nlp.ie.AbstractSequenceClassifier.loadClassifier(AbstractSequenceClassifier.java:1500)
at edu.stanford.nlp.ie.AbstractSequenceClassifier.loadClassifier(AbstractSequenceClassifier.java:1487)
at edu.stanford.nlp.ie.crf.CRFClassifier.getClassifier(CRFClassifier.java:2386)
at edu.stanford.nlp.ie.ClassifierCombiner.loadClassifierFromPath(ClassifierCombiner.java:130)
at edu.stanford.nlp.ie.ClassifierCombiner.loadClassifiers(ClassifierCombiner.java:116)
at edu.stanford.nlp.ie.ClassifierCombiner.<init>(ClassifierCombiner.java:98)
at edu.stanford.nlp.ie.NERClassifierCombiner.<init>(NERClassifierCombiner.java:64)
at edu.stanford.nlp.pipeline.StanfordCoreNLP$6.create(StanfordCoreNLP.java:500)
有人能尽快提供帮助吗？stacktrace显示java在加载CoreNLP中用于NER的大型模型（功能和重量）时内存不足。这些确实使用了大量内存，但这仍然是非常令人惊讶的。您不会说您使用的是什么操作系统、什么JDK版本、是否是32/64位等等。但是对于上面的程序（添加了一个main方法并填充了几个类型），在Linux（CentOS 5）上的Java 7u5上，我可以使用-mx700m（32位或64位Java--yay压缩oops）运行它。所以我认为1600m对于任何架构/版本都足够了 因此，我会尝试：
- 使用更多内存运行，看看这是否会改变情况（如-mx1800m）
- 如果没有，请确保VM确实获得了上面所述的内存量（即使您所写的看起来是正确的）。例如，尝试打印Runtime.getRuntime（）.maxMemory（）/1024/1024
java.lang.OutOfMemoryError