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