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