第6章 狠扇耳光
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