Stanford CoreNLP-线程中的异常；“主要”；java.lang.OutOfMemoryError:java堆空间

我正在尝试运行此网站上提供的简单程序
我的节目

import java.io.BufferedReader;  
import java.io.BufferedWriter;  
import java.io.FileNotFoundException;  
import java.io.FileReader;  
import java.io.FileWriter;  
import java.io.IOException;  
import java.io.PrintWriter;  
import java.util.List;  
import java.util.Properties;  

import edu.stanford.nlp.ling.CoreAnnotations.NamedEntityTagAnnotation;  
import edu.stanford.nlp.ling.CoreAnnotations.PartOfSpeechAnnotation;  
import edu.stanford.nlp.ling.CoreAnnotations.SentencesAnnotation;  
import edu.stanford.nlp.ling.CoreAnnotations.TextAnnotation;  
import edu.stanford.nlp.ling.CoreAnnotations.TokensAnnotation;  
import edu.stanford.nlp.ling.CoreLabel;  
import edu.stanford.nlp.pipeline.Annotation;  
import edu.stanford.nlp.pipeline.StanfordCoreNLP;  
import edu.stanford.nlp.util.CoreMap;  

public class StanfordClass {

    public static void main(String[] args) throws Exception {
     Properties props = new Properties();
      props.setProperty("annotators", "tokenize, ssplit, pos, lemma, ner, parse");

        StanfordCoreNLP pipeline = new StanfordCoreNLP(props);

        String text = "What is the Weather in Mumbai right now?";
         Annotation document = new Annotation(text);
          pipeline.annotate(document);

        List<CoreMap> sentences = document.get(SentencesAnnotation.class);

       for(CoreMap sentence: sentences) {
          // traversing the words in the current sentence
          // a CoreLabel is a CoreMap with additional token-specific methods
          for (CoreLabel token: sentence.get(TokensAnnotation.class)) {
            // this is the text of the token
            String word = token.get(TextAnnotation.class);
            // this is the POS tag of the token
            String pos = token.get(PartOfSpeechAnnotation.class);
            // this is the NER label of the token
            String ne = token.get(NamedEntityTagAnnotation.class);

            System.out.println(String.format("Print: word: [%s] pos: [%s] ne: [%s]",word, pos, ne));
          }
        }
    }
}  

导入java.io.BufferedReader；
导入java.io.BufferedWriter；
导入java.io.FileNotFoundException；
导入java.io.FileReader；
导入java.io.FileWriter；
导入java.io.IOException；
导入java.io.PrintWriter；
导入java.util.List；
导入java.util.Properties；
导入edu.stanford.nlp.ling.CoreAnnotations.NamedEntityTagAnnotation；
导入edu.stanford.nlp.ling.CoreAnnotations.PartOfSpeechAnnotation；
导入edu.stanford.nlp.ling.CoreAnnotations.SentencesAnotation；
导入edu.stanford.nlp.ling.CoreAnnotations.TextAnnotation；
导入edu.stanford.nlp.ling.CoreAnnotations.TokensAnnotation；
导入edu.stanford.nlp.ling.corelab；
导入edu.stanford.nlp.pipeline.Annotation；
导入edu.stanford.nlp.pipeline.StanfordCoreNLP；
导入edu.stanford.nlp.util.CoreMap；
公共课斯坦福德课{
公共静态void main（字符串[]args）引发异常{
Properties props=新属性（）；
props.setProperty（“注释器”、“标记化、ssplit、pos、引理、ner、解析”）；
StanfordCoreNLP管道=新的StanfordCoreNLP（道具）；
String text=“孟买现在的天气如何？”；
注释文档=新注释（文本）；
管道注释（文件）；
列出句子=document.get（SentencesAnnotation.class）；
for（CoreMap句子：句子）{
//遍历当前句子中的单词
//CoreLabel是一个CoreMap，具有额外的令牌特定方法
for（CoreLabel标记：句子.get（TokensAnnotation.class））{
//这是令牌的文本
String word=token.get（TextAnnotation.class）；
//这是令牌的POS标记
String pos=token.get（speechannotation.class的一部分）；
//这是令牌的NER标签
字符串ne=token.get（NamedEntityTagAnnotation.class）；
System.out.println（String.format（“Print:word:[%s]pos:[%s]ne:[%s]”，word，pos，ne））；
}
}
}
}  

但是在线程“main”java.lang.OutOfMemoryError中获取异常：java堆空间

我尝试的
1.如果我从上述代码中删除了ner（命名实体识别器）属性，即props.setProperty（“注释器”、“标记化”、“ssplit”、“pos”、“引理”、“解析”）
然后代码运行正常。

---

2.但我需要ner（命名实体识别器），因此我将eclipse.ini文件中的堆大小增加到1g，并确保此大小对于该程序来说足够大，同时确保在这种情况下堆大小不是问题。我认为缺少了一些东西，但没有得到答案。

经过大量搜索，这里得到了答案

使用以下答案：-
1.Windows->首选项
2.Java->已安装的JRE
3.选择JRE并单击编辑
4.在默认VM参数字段中，键入“-Xmx1024M”。（或者您的内存偏好，1GB的ram是1024）

---

5.单击“完成”或“确定”。

您是否检查了占用更多内存的方法？我应该如何检查？这适用于Java 5，但我使用的是Java 8，堆大小高达1gb，对于这个简单的程序来说太多了哦，对不起，我忘了用这个了，我用过eclipse内存分析器，没有内存方面的问题，我必须在它工作之前将堆空间设置为4GB。i、 e.“-Xmx4096M”但后来，它成功了！：）在任务管理器（Windows10）中观看Eclipse时，在演示程序完成之前，内存占用上升到5.9GB。毫不奇怪，自然语言处理需要大量RAM。