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