diff --git a/README.md b/README.md
index d3c989b341b0bb0e95d15e1ae38964f09355af48..e03cea1a0204bf92cb9cf55a568b90c1939d1452 100644
--- a/README.md
+++ b/README.md
@@ -71,10 +71,10 @@ print("识别: %s" % (synonyms.nearby("识别")))
 print("NOT_EXIST: %s" % (synonyms.nearby("NOT_EXIST")))
 ```
 
-`synonyms.nearby(WORD)`返回一个元组，元组中包含两项：`([nearby_words], [nearby_words_score])`，`nearby_words`是 WORD 的近义词们，也以 list 的方式存储，并且按照距离的长度由近及远排列，`nearby_words_score`是`nearby_words`中**对应位置**的词的距离的分数，分数在(0-1)区间内，越接近于 1，代表越相近。比如:
+`synonyms.nearby(WORD [,SIZE])`返回一个元组，元组中包含两项：`([nearby_words], [nearby_words_score])`，`nearby_words`是 WORD 的近义词们，也以 list 的方式存储，并且按照距离的长度由近及远排列，`nearby_words_score`是`nearby_words`中**对应位置**的词的距离的分数，分数在(0-1)区间内，越接近于 1，代表越相近；`SIZE` 是返回词汇数量，默认 10。比如:
 
 ```
-synonyms.nearby(人脸) = (
+synonyms.nearby(人脸, 10) = (
     ["图片", "图像", "通过观察", "数字图像", "几何图形", "脸部", "图象", "放大镜", "面孔", "Mii"],
     [0.597284, 0.580373, 0.568486, 0.535674, 0.531835, 0.530
 095, 0.525344, 0.524009, 0.523101, 0.516046])
@@ -102,7 +102,7 @@ synonyms.nearby(人脸) = (
 
 ### synonyms#display
 
-以友好的方式打印近义词，方便调试，`display`调用了 `synonyms#nearby` 方法。
+以友好的方式打印近义词，方便调试，`display(WORD [, SIZE])`调用了 `synonyms#nearby` 方法。
 
 ```
 >>> synonyms.display("飞机")
@@ -119,6 +119,8 @@ synonyms.nearby(人脸) = (
   10. 运输机:0.720578
 ```
 
+`SIZE` 是打印词汇表的数量，默认 10。
+
 ### synonyms#v
 
 获得一个词语的向量，该向量为 numpy 的 array，当该词语是未登录词时，抛出 KeyError 异常。