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