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