diff --git "a/\346\240\271\346\215\256\350\257\221\346\226\207\347\211\207\346\256\265\351\242\204\346\265\213\347\277\273\350\257\221\344\275\234\350\200\205.md" "b/\346\240\271\346\215\256\350\257\221\346\226\207\347\211\207\346\256\265\351\242\204\346\265\213\347\277\273\350\257\221\344\275\234\350\200\205.md"
new file mode 100644
index 0000000000000000000000000000000000000000..d8152ca76154b12e1ea2f3bf1c042e9d53e128f4
--- /dev/null
+++ "b/\346\240\271\346\215\256\350\257\221\346\226\207\347\211\207\346\256\265\351\242\204\346\265\213\347\277\273\350\257\221\344\275\234\350\200\205.md"
@@ -0,0 +1,142 @@
+本教程的目的是带领大家学会，根据译文片段预测翻译作者
+
+本次用到的数据集是三个 txt 文本，分别是 cowper.txt、derby.txt、butler.txt ，该文本已经经过一些预处理，去除了表头，页眉等
+
+接下来我们加载数据，这里我们使用 tf.data.TextLineDataset API，而不是之前使用的 text_dataset_from_directory，两者的区别是，前者加载 txt 文件里的每一行作为一个样本，后者是加载整个 txt 文件作为一个样本
+
+```
+DIRECTORY_URL = 'https://storage.googleapis.com/download.tensorflow.org/data/illiad/'
+FILE_NAMES = ['cowper.txt', 'derby.txt', 'butler.txt']
+
+for name in FILE_NAMES:
+  text_dir = utils.get_file(name, origin=DIRECTORY_URL + name)
+
+parent_dir = pathlib.Path(text_dir).parent
+list(parent_dir.iterdir())
+
+def labeler(example, index):
+  return example, tf.cast(index, tf.int64)
+
+labeled_data_sets = []
+
+for i, file_name in enumerate(FILE_NAMES):
+  lines_dataset = tf.data.TextLineDataset(str(parent_dir/file_name))
+  labeled_dataset = lines_dataset.map(lambda ex: labeler(ex, i))
+  labeled_data_sets.append(labeled_dataset)
+```
+
+![](https://maoxianxin1996.oss-accelerate.aliyuncs.com/codechina1/20210722152638.png)
+
+如上图所示，我们可以看到，txt 文件里的每一行确实是一个样本，其实上面的数据已经经过进一步处理了，变成 (example, label) pair 了
+
+接下来我们需要对文本进行 standardize and tokenize，然后再使用 StaticVocabularyTable，建立 tokens 到 integers 的映射
+
+这里我们使用 UnicodeScriptTokenizer 来 tokenize 数据集，代码如下所示
+
+```
+tokenizer = tf_text.UnicodeScriptTokenizer()
+
+def tokenize(text, unused_label):
+  lower_case = tf_text.case_fold_utf8(text)
+  return tokenizer.tokenize(lower_case)
+
+tokenized_ds = all_labeled_data.map(tokenize)
+```
+
+![](https://maoxianxin1996.oss-accelerate.aliyuncs.com/codechina1/20210722153112.png)
+
+上图是 tokenize 的结果展示
+
+下一步，我们需要建立 vocabulary，根据 tokens 的频率做一个排序，并取排名靠前的 VOCAB_SIZE 个元素
+
+```
+tokenized_ds = configure_dataset(tokenized_ds)
+
+vocab_dict = collections.defaultdict(lambda: 0)
+for toks in tokenized_ds.as_numpy_iterator():
+  for tok in toks:
+    vocab_dict[tok] += 1
+
+vocab = sorted(vocab_dict.items(), key=lambda x: x[1], reverse=True)
+vocab = [token for token, count in vocab]
+vocab = vocab[:VOCAB_SIZE]
+vocab_size = len(vocab)
+print("Vocab size: ", vocab_size)
+print("First five vocab entries:", vocab[:5])
+```
+
+接下来，我们需要用 vocab 创建 StaticVocabularyTable，因为 0 被保留用于表明 padding，1 被保留用于表明 OOV token，所以我们的实际 map tokens 的integer 是 [2, vocab_size+2]，代码如下所示
+
+```
+keys = vocab
+values = range(2, len(vocab) + 2)  # reserve 0 for padding, 1 for OOV
+
+init = tf.lookup.KeyValueTensorInitializer(
+    keys, values, key_dtype=tf.string, value_dtype=tf.int64)
+
+num_oov_buckets = 1
+vocab_table = tf.lookup.StaticVocabularyTable(init, num_oov_buckets)
+```
+
+最后我们要封装一个函数用于 standardize, tokenize and vectorize 数据集，通过 tokenizer and lookup table
+
+```
+def preprocess_text(text, label):
+  standardized = tf_text.case_fold_utf8(text)
+  tokenized = tokenizer.tokenize(standardized)
+  vectorized = vocab_table.lookup(tokenized)
+  return vectorized, label
+```
+
+![](https://maoxianxin1996.oss-accelerate.aliyuncs.com/codechina1/20210722153651.png)
+
+上图是关于把 raw text 转化成 tokens 的展示结果
+
+接下来，我们需要对数据集进行划分，然后再创建模型，最后就可以开始训练了，代码如下所示
+
+```
+all_encoded_data = all_labeled_data.map(preprocess_text)
+
+train_data = all_encoded_data.skip(VALIDATION_SIZE).shuffle(BUFFER_SIZE)
+validation_data = all_encoded_data.take(VALIDATION_SIZE)
+
+train_data = train_data.padded_batch(BATCH_SIZE)
+validation_data = validation_data.padded_batch(BATCH_SIZE)
+
+vocab_size += 2
+
+train_data = configure_dataset(train_data)
+validation_data = configure_dataset(validation_data)
+
+model = create_model(vocab_size=vocab_size, num_labels=3)
+model.compile(
+    optimizer='adam',
+    loss=losses.SparseCategoricalCrossentropy(from_logits=True),
+    metrics=['accuracy'])
+history = model.fit(train_data, validation_data=validation_data, epochs=3)
+```
+
+![](https://maoxianxin1996.oss-accelerate.aliyuncs.com/codechina1/20210722154014.png)
+
+上图是训练的结果展示，在验证集上的准确率达到了 84.18%
+
+```
+inputs = [
+    "Join'd to th' Ionians with their flowing robes,",  # Label: 1
+    "the allies, and his armour flashed about him so that he seemed to all",  # Label: 2
+    "And with loud clangor of his arms he fell.",  # Label: 0
+]
+predicted_scores = export_model.predict(inputs)
+predicted_labels = tf.argmax(predicted_scores, axis=1)
+for input, label in zip(inputs, predicted_labels):
+  print("Question: ", input)
+  print("Predicted label: ", label.numpy())
+```
+
+最后我们用训练后的模型进行预测，结果如下图所示
+
+![](https://maoxianxin1996.oss-accelerate.aliyuncs.com/codechina1/20210722154236.png)
+
+预测结果和实际标签都对应上了
+
+代码地址: https://codechina.csdn.net/csdn_codechina/enterprise_technology/-/blob/master/predict_translations_author.ipynb
\ No newline at end of file