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