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