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