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