我目前正在使用关键字提取工具，该工具应该为网站上的文本或文档提供标签建议。当我遵循本文提出的方法时：A New Approach to Keyphrase Extraction Using Neural Networks第一步，我将使用OpenNLP工具箱的POSTagger，即候选人选择。
通常，关键词提取非常有效。我的问题是，每次我想使用POSTagger时，都必须从其对应的文件中进行模型的昂贵加载：
posTagger = new POSTaggerME(new POSModel(new FileInputStream(new File(modelDir + "/en-pos-maxent.bin"))));
tokenizer = new TokenizerME(new TokenizerModel(new FileInputStream(new File(modelDir + "/en-token.bin"))));
// ...
String[] tokens = tokenizer.tokenize(text);
String[] tags = posTagger.tag(tokens);
这是由于以下事实：此代码不在Web服务器本身的范围内，而是在具有生命周期的“处理程序”内部，该生命周期仅包括处理一个特定的请求。我的问题是：如何才能只加载一次文件？ （我不想花10秒等待模型加载，然后只使用200毫秒。）
我的第一个想法是序列化POSTaggerME（TokenizerME分别），并在每次需要时使用Java的内置机制对它进行反序列化。不幸的是，这行不通–它引发了异常。 （我确实从WEKA工具包中对分类器进行了序列化，该工具包最后对我的候选人进行了分类，以便不必每次都构建（或训练）分类器。因此，我认为这也可能适用于POSTaggeME。不幸的是，这是并非如此。）
在Tokenizer的情况下，我可以引用一个简单的WhitespaceTokenizer，它是一个劣等的解决方案，但一点也不差劲：
tokenizer = WhitespaceTokenizer.INSTANCE;
但是我看不到可靠的POSTagger选项。
最佳答案
只需将标记化/ POS标记管道包装在singleton中。
如果基础的OpenNLP代码不是线程安全的，则将调用置于同步块中，例如：
// the singletons tokenization/POS-tagging pipeline
String[] tokens;
synchronized(tokenizer) {
tokens = tokenizer.tokenize(text);
}
String[] tags;
synchronized(posTagger) {
tags = posTagger.tag(tokens);
}