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