我试图在包含文本页面的一组卷上执行NER。我开始创建一个tokenize,ssplit,pos,lemma,ner管道。使用默认设置，在16核计算机上，处理1,360页的页面需要 5分钟（手动控制并行，不使用threads属性 - 这要快得多办法）。鉴于目标是处理可能数千卷，这被认为太慢了。另一项实验涉及通过将ner.useSUTime和ner.applyNumericClassifiers设置为false来尝试关闭各种NER方面。这似乎没有以任何重要的方式提高处理速度。但是，我无法关闭管道所使用的TokensRegexNERAnnotator。我尝试将ner.regex设置为false，但这似乎不起作用。不确定哪个属性（如果有）控制是否启用此注释器。
然后我决定直接使用NERClassifierCombiner，加载管道加载的相同3个模型（英语）。在相同的音量上运行，这被证明明显更快。它在 15秒中处理整个音量。在比较生成的实体时，它们大部分都是相同的，除了通过管道TokensRegexNERAnnotator生成的实体，我在这里没有添加（也不需要）。
对于这两种方法，处理单位是一页文本。管道使用Annotation(pageText)，而直接分类器使用classify(pageText)。
主要问题是：这两种方法有何不同？在两种方法中，句子分裂和标记化是否以相同的方式完成？
其他问题：
TokensRegexNERAnnotator吗？pos和lemma注释器吗？ Documentation似乎表明答案是no。如果不需要，为什么他们listed as dependencies？