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