当然股神1.o仅仅有分析模块和收集模块是不够的👞，它还需要有一个数据处理模块🅱，如果说分析模块是大脑🐍，收集模块是手脚的话🏘，那么处理模块就是消化系统✔。??笔趣????阁ｗ?ｗ?ｗ?．?ｂ?ｉ?ｑ?ｕｇｅ．ｃｎ
当海量的数据信息被从数据海洋中抽取出来🏢，需要对这些信息进行加工处理🌓，将它们处理成数据分析模块能够利用的数据模式👗。
比如某个上市公司一个年度财报🈲，里面的内容非常之多🍉，从人事变更到企业战略🅱，并购行为👬，利润营收等方面都会涉及到🌎，而这些东西又是关键性信息👞。一个数万字外加各种图标的财报✨，其中各种关键信息必须能够被分析模块理解并进行加工⛵，这就是处理模块的主要工作了🎎。
这个数据处理模块主要的功能部分其实是自然语言处理🎗，程序本身是无法理解语言内涵的🎹，它肯定无法理解“定向增1oo万限售股”是什么意思🏾，这时候就需要认为给这句话进行赋值🏐，让它变成机器能够理解的数据信息🐼。
比如先进行意义分割👈，将定向设定为一个意义单元🌆，将增设定为另外一个单元⏹，以这种方式将整个句子按照意义单元分割开来⤵，分别进行赋值🈺。
这一套加工题🎆，需要人为的帮助计算机去理解和处理人类的语言🍏，让机器能够看懂语法👰、语意单元🐒，能够联系上下文🌻，能够处理不同语境下同一个词组的不同含义🌉。
简单来说🈸，让机器能够理解人类语言🍿，这就是自然语言的主要目标🍹，同时也是这个处理模块的主要功能❎。
分析🎃、收集🍫、处理🌱，这三大模块是股神1.o的主要功能结构🆎，但是仅仅如此还是不够的🌰，股神还需要很多的辅助模块🎵。
比如它需要有存储模块🏞，所有的数据信息搜集回来⌚，必须整理加工好🏟，然后分类存储起来🍾，它就像一个级图书馆一样⌚，必须有自己的分类和存储规则🍷。如果没有这些🏵，你只是简单的将它们堆放在一起♊，你就可以想象👅，当你需要从数千万本书籍当中🐖，找出某一页特定内容时🎇，那将会是怎样一个痛苦而又恐怖的过程🅿。
另外股神还需要相应的展示和交互模块⌚，股神作为一个软件🅾，它需要有自己的操作界面🉐，需要能够将处理结果或者过程展现出来✅，需要能够接收指令🍯，进行人机交互🏿。
这五个模块组合在一起🐾，并且能够顺畅的相互配合了❓，股神系统才算基本成型🅾，而中间肯定会有各式各类的问题不停冒出来🍷，这都需要莫回逐个解决掉✴。在使用的过程中👨，肯定还涉及到不停的跟新和改良🈴，所有这些都将是莫回的工作⛅。
按照莫回的估算⌚，整个股神的体量不太可能低于1oo万行代码🐁，如果想要让股神尽可能的完美而准确🏳，那它的体量绝对会翻着跟头的往上翻🎎。想要实现什么功能🏻，你就必须付出相应的代价🍡，如果你想要让股神的预测尽可能精确⬆，那么不停的往里投入肯定是必不可少的👓。
这还仅仅是股神本身🏑，如果想要股神运作起来🐆，那么莫回必然还将面临着带宽的问题🎛，爬虫一旦跑起来⭐，海量数据就会被传回🍺，这些数据至少也是T级的⏮。
在计算机领域🏢，数据大小的单位是1o24进制的⛴，一个字节为byte🏑，1o24字节为kB🍵，1o24k为m🌐，1o24m为g🐐，1o24g为T.
比如我们手机的存储容量可能是4g⏸，笔记本的存储容量可能是4oog🏽，而一台笔记本的4oog大概相当于一千部电影🌡。
而股神通过爬虫搜集来的数据肯定是海量的🍽，至少是T级别的♑，就是跑到p级别也不算是什么大事㊙。比如1p的数据⏸，它大概相当于25o万部电影♐。人的一生也不过3万天🏮，每天看十部电影🍮，也足够看十辈子的了👐。
在如此大量的数据面前🏞，莫回必然面临一个带宽问题🐑，很容易想象⚫，出租屋里的小区宽带肯定是不好使的🌭。
现在级本的运算能力已经获得验证了🎋，应该是比较常的🌘，但是它的存储能力还未测试⚪，如果存储能力不成的话♿，莫回还必须为这海量数据寻找一个存储空间🐌。
诸如此类的问题还有很多🏐，如果莫回想要把股神完成🐬，并且上线运行🏸，那么他必须像是老黄牛一样🐟，勤勤恳恳的往前走✏，把这些挡路石一个个的全部处理掉🍾。
本来这些事就是交给一个公司处理♍，一个成熟的团队来处理⏬，都未必能够处理得很好🏔，现在莫回需要一个人搞定🌓，并且很可能必须不显山不漏水的一个人搞定🐑，这里面的难度就可想而知了🍳。
想想未来的前路🎀，莫回感觉好像是登珠峰一样🍻，好高啊~~~
好在莫回多少算是业内人士❤，这些事基本算得上是本职工作🎈，无非就是项目经理🎢、产品经理🎦、主程🍷、架构一肩挑了🏑。难是难了点⛺，工作量大是大了点🍼，但是好歹还算有解决办法🌵，只要沿着道路一步步走🌦，总会有完成的那一天✨。
工作量不小🌒，不过也不是没有捷径可走🍇，莫回点开网页🎤，开始搜集他需要的开源软件🎛。他去开源之家搜了一下🌳，开源的爬虫就有有一百多个♎，里面估计会有合用的🎵。
五大模块他都简单的搜了一下🌔，大多数都还有类似的可替代软件🌩，现在他需要做的就是在里面找到最合适的哪一款🏠，然后修改后进行组装🌉。
先需要选择开语言🐇，各种语言都有自己的适用范围和优缺点🍣，一旦选定了🎣，那么五大模块都需要是同一个语言开出来的才行🌙，这样也方便组装和拓展开🏷。
莫回想了想🏞，他最终选定了c++⬅，因为这种语言更加靠近底层和汇编🎸，整体执行效率和度比较好🈺。
莫回开始在网上寻找和筛选合用的开源软件🌭，将那些基本符合要求的c++开的软件全部下载下来♍，各自先归类存储起来👓。
等莫回将合用的三十多个各类爬虫全部下载下来的时候夜已经深了🎎，莫回揉揉僵硬的脖颈🎛，伸伸懒腰⏬，不由得为今后的日子哀叹🐒：要拼老命了啊🃏，上班拼命回家也要拼命🍾，这是要把自己当驴使唤啊~~~
本章未完，点击下一页继续阅读