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