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