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