阶段1--语料库和向量

* 建立语料库步骤

     1.从字符串==>向量

     2.去除停用词；去除出现次数=1的词；

     3.(对英文)小写化处理；词干化处理

     4.词袋化处理

     5.将vector进行Id化处理

     至此，语料库已经建立，可以存储起来(实际也是，建立语料库是一个长期而独立的过程，不会和后续的使用结合在一起)

* 语料流的处理优化

     - 实际的语料库数据量不小

     - 一次只读取一个文件中的vector，

* 语料的格式

* 语料库格式兼容Numpy和Scipy

阶段2--topic处理

     使用语料库进行文章的处理

阶段3--相似性查询

阶段4-处理来自wiki的数据

 阶段5--分布式模式

* 基于gensim的分布式，对系统交互要求不高，对延迟的容忍性较好

* Numpy中的linear lagebra对时间消耗很大

     - 替换的方式：用更快速的 BLAS(Basic Linear Lagebra) 实现，如

          Intel的MKL, AMD的ACML, OS X的vecLib,Sun的Sunpref

          或者开源的 GotoBLAS,ALTAS

     - 检查所用的BLAS库的方法：

          python -c 'import scipy; scipy.show_config()'

* gensim基于Pyro(Python Remote Objects，版本>=4.8)通讯

          easy install Pyro4