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