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