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