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