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