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