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