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