diff --git a/README.md b/README.md
index e306b19..1636530 100644
--- a/README.md
+++ b/README.md
@@ -7,15 +7,15 @@ templated based causality event extraction
 本项目是对因果事件抽取以及因果知识图谱构建的一种尝试。
 
 # 技术路线
-因果事件图谱技术流程上遵循以下流程：
+因果事件图谱技术流程上遵循以下流程：  
 ![image](https://github.com/liuhuanyong/CausalityEventGraph/blob/master/image/schema.png)
 主要包括以下几个步骤：
-1、因果知识库的构建。因果知识库的构建包括因果连词库，结果词库、因果模式库等。
-2、文本预处理。这个包括对文本进行噪声移除，非关键信息去除等。
-3、因果事件抽取。这个包括基于因果模式库的因果对抽取。
-4、事件表示。这是整个因果图谱构建的核心问题，因为事件图谱本质上是联通的，如何选择一种恰当（短语、短句、句子主干）等方式很重要。
-5、事件融合。事件融合跟知识图谱中的实体对齐任务很像
-6、事件存储。事件存储是最后步骤，基于业务需求，可以用相应的数据库进行存储，比如图数据库等。
+1、因果知识库的构建。因果知识库的构建包括因果连词库，结果词库、因果模式库等。  
+2、文本预处理。这个包括对文本进行噪声移除，非关键信息去除等。  
+3、因果事件抽取。这个包括基于因果模式库的因果对抽取。  
+4、事件表示。这是整个因果图谱构建的核心问题，因为事件图谱本质上是联通的，如何选择一种恰当（短语、短句、句子主干）等方式很重要。  
+5、事件融合。事件融合跟知识图谱中的实体对齐任务很像  
+6、事件存储。事件存储是最后步骤，基于业务需求，可以用相应的数据库进行存储，比如图数据库等。    
 
 # 最终效果
 经过以上几个流程之后，可以支持各类查询，比如已知原因找结果，已知结果找原因等，这都很有事情，总之，数据库有了，我们可以做的事情有很多，接下来就是我们脑洞的事情了。
@@ -31,9 +31,9 @@ templated based causality event extraction
 ![image](https://github.com/liuhuanyong/CausalityEventGraph/blob/master/image/shouguang.png)
 
 # 总结
-1）基于规则这套，很实用，但问题不少，规则维护比较多
-2）事件表示这块一定要好好想想啊
-3）事件融合这块，利用各种相似度度量进行计算，都有一定缺陷
+1）基于规则这套，很实用，但问题不少，规则维护比较多  
+2）事件表示这块一定要好好想想啊  
+3）事件融合这块，利用各种相似度度量进行计算，都有一定缺陷  
 
 # question?
-send mail to lhy_in_blcu@126.com
\ No newline at end of file
+send mail to lhy_in_blcu@126.com