finish README.md

text_classification/README.md

@@ -126,9 +126,9 @@ def convolution_net(input_dim, class_dim=2, emb_dim=128, hid_dim=128):
 
 - **fc_net函数**：定义dnn网络结构，上文已经有说明。
 
-- **train\_dnn\_model函数**：模型训练函数。定义优化方式、训练输出等内容，并组织训练流程。该函数运行完成前会将训练得到的参数保保存至硬盘上的`dnn_params.tar.gz`文件中。本函数接受一个整数类型的参数，表示训练pass的轮数。
+- **train\_dnn\_model函数**：模型训练函数。定义优化方式、训练输出等内容，并组织训练流程。该函数运行完成前会将训练得到的模型数保存至硬盘上的`dnn_params.tar.gz`文件中。本函数接受一个整数类型的参数，表示训练pass的轮数。
 
-- **dnn_infer函数**：载入已有模型并对新样本进行预测。函数开始运行后会从当前路径下寻找并读取`dnn_params.tar.gz`文件，加载其中的模型，并对test数据集中的前100条样本进行预测。
+- **dnn_infer函数**：载入已有模型并对新样本进行预测。函数开始运行后会从当前路径下寻找并读取`dnn_params.tar.gz`文件，加载其中的模型参数，并对test数据集中的前100条样本进行预测。
 
 - **main函数**：主函数
 
@@ -144,4 +144,4 @@ def convolution_net(input_dim, class_dim=2, emb_dim=128, hid_dim=128):
 [ 0.98853314  0.01146684] 0
 ```
 
-每一行表示一条样本的预测结果。前两列表示该样本属于正负这两个类别的预测概率，最后一列表示样本的实际label。
+每一行表示一条样本的预测结果。前两列表示该样本属于0、1这两个类别的预测概率，最后一列表示样本的实际label。