To speed up our experimentation pha

To speed up our experimentation phase, we should not try to evaluate our
classification ideas on a 12 GB file. Instead, we should think of how we can trim it
down so that we can still keep a representable snapshot of it while being able to
quickly test our ideas. If we filter an XML for row tags that have a CreationDate of
2011 or later, we still end up with over 6 million posts (2,323,184 questions and
4,055,999 answers), which should be enough training data for now. We also do not
operate on the XML format as it will slow us down. The simpler the format, the
better it is. That's why we parse the remaining XML using Python's cElementTree
and write it out to a tab-separated file.

Kết quả (Việt) 1:

Để tăng tốc độ giai đoạn thử nghiệm của chúng tôi, chúng tôi không nên cố gắng để đánh giá chúng tôiphân loại các ý tưởng về một tập tin 12 GB. Thay vào đó, chúng ta nên nghĩ về làm thế nào chúng tôi có thể cắt nóxuống do đó chúng tôi vẫn có thể giữ một bản chụp USD của nó trong khi có thểmột cách nhanh chóng kiểm tra kiến thức của chúng tôi. Nếu chúng tôi lọc một XML cho thẻ hàng có một CreationDate của2011 hoặc mới hơn, chúng tôi vẫn kết thúc với hơn 6 triệu bài viết (2,323,184 câu hỏi và4,055,999 trả lời), mà nên là đủ dữ liệu đào tạo cho bây giờ. Chúng tôi cũng khônghoạt động trên các định dạng XML như nó sẽ chúng ta chậm lại. Các đơn giản hơn các định dạng, cácnó là tốt hơn. Đó là lý do tại sao chúng tôi phân tích cú pháp XML còn lại bằng cách sử dụng của Python cElementTreevà viết nó ra vào một tập tin tab phân tách.

Kết quả (Việt) 2:

Để tăng tốc độ giai đoạn thử nghiệm của chúng tôi, chúng ta không nên cố gắng đánh giá của chúng tôi
phân loại các ý tưởng về một tập tin 12 GB. Thay vào đó, chúng ta nên nghĩ như thế nào chúng ta có thể cắt nó
xuống để chúng ta vẫn có thể giữ một bản chụp biểu diễn của nó trong khi có thể để
nhanh chóng thử nghiệm những ý tưởng của chúng tôi. Nếu chúng tôi lọc một XML cho các thẻ hàng đó có một CreationDate của
năm 2011 hoặc sau đó, chúng tôi vẫn kết thúc với hơn 6.000.000 bài viết (2.323.184 câu hỏi và
câu trả lời 4.055.999), mà nên là đủ dữ liệu đào tạo cho doanh nghiệp. Chúng tôi cũng không
hoạt động trên các định dạng XML vì nó sẽ làm chậm chúng tôi xuống. Các đơn giản định dạng, các
tốt hơn nó được. Đó là lý do tại sao chúng ta phân tách XML còn lại sử dụng cElementTree Python
và viết nó ra một tập tin tách biệt bởi tab.