在R中将带注释的NLP模型转换为数据帧时，如何解决内存分配问题

我正在尝试将大小为1.2GB的带注释NLP模型转换为dataframe。我在R中使用Udpipe包进行自然语言处理，代码如下：

# Additional Topic Models
# annotate and tokenize corpus
model <- udpipe_download_model(language = "english")
udmodel_english <- udpipe_load_model(model$file_model)
s <- udpipe_annotate(udmodel_english, cleaned_text_NLP)
options(java.parameters = "-Xmx32720m")
memory.limit(3210241024*1024)
x <- data.frame(s)

我的问题有两个：

上面的错误消息是什么意思

有哪些解决方法可以解决此问题

---

可能您有很多文档需要注释。最好按块注释，如中所示

下面的代码将在两个核心上并行地对50个文档进行注释，基本上执行data.frame命令。您将不再有这个问题，因为函数在50个文档的每个块上进行strsplit，而不是在完整的数据集上，其中注释文本的大小显然太大，无法满足R中stringbuffer的限制。但是下面的代码将解决您的问题

x <- udpipe(cleaned_text_NLP, udmodel_english, parallel.cores = 2L, parallel.chunksize = 50)

x
x <- udpipe(cleaned_text_NLP, udmodel_english, parallel.cores = 2L, parallel.chunksize = 50)