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