Performance 如何将Stanford命名实体识别器与多线程一起使用？

是否可以使用多线程和Stanford命名的实体识别器来提高运行时性能？如果是这样，怎么做？

大约几个月前，我也遇到了同样的问题。 我想在一个大型语料库上进行NE提取，同时使用Lucene自定义分析器为其编制索引。 我解决这个问题的方法是使用生产者/消费者结构，这可能是你想要的，也可能不是你想要的。 我让N-4个线程读取文档，并以循环方式将其发送到系统上三个命名管道中的一个。 三个管道的接收端是Rest部署表单中的Stanforder实例，它们都加载了相同的模型

代码是python+多处理。我会张贴代码，但它有太多的项目具体的东西，我需要清理

下面是一些资源指针。 NER部署 多处理

PS:N是系统可以运行的线程总数。

---

请记住，在我的例子中，我对系统的内存没有任何限制，因为我有足够的可用内存（大约70GB），所以在同一个系统上加载三个NER实例不会对性能降低产生太大影响

你试过什么/在哪里寻找那个问题的答案？你已经写代码了吗？请分享你的初步研究。好的。是什么阻止你向它扔一堆线？API不是可重入的，或者不是设计用于多线程的？这是围绕http端点调用的python包装。