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