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