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