Flaskでの、ValueError: signal only works in main thread が解決できない

掲題の通り、"ValueError: signal only works in main thread"が解決できずにいます。
下記に、「発生しているエラー内容の詳細 & 試したこと」と、「実現したいこと」をそれぞれ記載いたします。

【発生しているエラーの詳細 & 試したこと】
下記の、試したことの参照先で提案されている解決方法を、色々試しましたが、うまくいきませんでした。
エラーの本質は、「Jumanというライブラリをmain threadで実行して」ということなのでしょうか？

試したことの参照先

エラーの原文

【実現したいこと】
「クラインアントサーバーから、インプット(json型)をもらったら、
そのインプットを、preprocess_exeで処理して、outputを返す。」というものです。
下記に必要なコードを共有いたします。

flask実行ファイル

python
1from flask import Flask, jsonify
2from kyodai_bert_embedding import BertWithJumanModel
3
4app = Flask(__name__)
5
6# 前処理を実行する関数の定義
7def preprocess_exe(text):
8    # BERTのインスタンス化
9    bert = BertWithJumanModel('./Japanese_L-12_H-768_A-12_E-30_BPE')
10    # Word Embeddingの取得
11    bert_vec = bert.get_sentence_embedding(text)
12
13    return bert_vec.reshape(-1, 1)
14
15@app.route("/test")
16def test():
17    # クライアントサーバーから、インプットが送られてきたテイ
18    json_ = {"input": "これは、テストです"}
19
20    # インプットを処理して、分散表現(1×768)を返す
21    word_embed = preprocess_exe(json_["input"])
22    output = jsonify({"output_shape": word_embed.shape})
23    
24    return output
25
26if __name__=="__main__":
27    app.run(debug=True, port=11111)

上記コードを実行する際に、インポートした自前のクラス(参考:https://recruit.cct-inc.co.jp/tecblog/machine-learning/bert/
)

python
1"""
2参考にしたサイト: https://recruit.cct-inc.co.jp/tecblog/machine-learning/bert/
3"""
4# Kyodai BERTで必要なライブラリ
5from pathlib import Path
6import numpy as np
7import torch
8from pytorch_pretrained_bert import BertTokenizer, BertModel
9from pyknp import Juman
10
11
12### BERT分散表現に変換するためのクラス群 (下記、2つ) ###
13class JumanTokenizer():
14    def __init__(self):
15        self.juman = Juman()
16
17    def tokenize(self, text):
18        result = self.juman.analysis(text)
19        return [mrph.midasi for mrph in result.mrph_list()]
20
21
22class BertWithJumanModel():
23    def __init__(self, bert_path, vocab_file_name="vocab.txt", use_cuda=False):
24        self.juman_tokenizer = JumanTokenizer()
25        self.model = BertModel.from_pretrained(bert_path)
26        self.bert_tokenizer = BertTokenizer(Path(bert_path) / vocab_file_name,
27                                            do_lower_case=False, do_basic_tokenize=False)
28        self.use_cuda = use_cuda
29
30    def _preprocess_text(self, text):
31        return text.replace(" ", "")  # for Juman
32
33    def get_sentence_embedding(self, text, pooling_layer=-2, pooling_strategy="REDUCE_MEAN"):
34        preprocessed_text = self._preprocess_text(text)
35        tokens = self.juman_tokenizer.tokenize(preprocessed_text)
36        bert_tokens = self.bert_tokenizer.tokenize(" ".join(tokens))
37        ids = self.bert_tokenizer.convert_tokens_to_ids(["[CLS]"] + bert_tokens[:126] + ["[SEP]"]) # max_seq_len-2
38        tokens_tensor = torch.tensor(ids).reshape(1, -1)
39
40        if self.use_cuda:
41            tokens_tensor = tokens_tensor.to('cuda')
42            self.model.to('cuda')
43
44        self.model.eval()
45        with torch.no_grad():
46            all_encoder_layers, _ = self.model(tokens_tensor)
47        
48        embedding = all_encoder_layers[pooling_layer].cpu().numpy()[0]
49        if pooling_strategy == "REDUCE_MEAN":
50            return np.mean(embedding, axis=0)
51        elif pooling_strategy == "REDUCE_MAX":
52            return np.max(embedding, axis=0)
53        elif pooling_strategy == "REDUCE_MEAN_MAX":
54            return np.r_[np.max(embedding, axis=0), np.mean(embedding, axis=0)]
55        elif pooling_strategy == "CLS_TOKEN":
56            return embedding[0]
57        else:
58            raise ValueError("specify valid pooling_strategy: {REDUCE_MEAN, REDUCE_MAX, REDUCE_MEAN_MAX, CLS_TOKEN}")