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