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