diff --git a/README.md b/README.md
index 1f8e071..6cc3d86 100644
--- a/README.md
+++ b/README.md
@@ -3,14 +3,14 @@
   文本表示一直是个重要问题，如何以清晰，简介的方式对一个文本信息进行有效表示是个长远的任务  
    我尝试过使用关键词，实体之间的关联关系，并使用textgrapher的方式进行展示，但以词作为文本信息单元表示这种效果不是特别好，所以，本项目想尝试从事件三元组的方式出发，对文本进行表示．
 
-# 使用方式1-基于ltp依存句法分析和语义角色标注的事件三元组抽取
+# 方法1-基于ltp依存句法分析和语义角色标注的事件三元组抽取
 
         from triples_extraction import *
         extractor = TripleExtractor()
         svos = extractor.triples_main(content)
         print('svos', svos)
 
-# 测试样例
+# 方法1-测试结果
         content = '李克强总理今天来我家了,我感到非常荣幸'
         svos = [
                   ['李克强总理', '来', '我家'],
@@ -28,14 +28,14 @@
                  ['驻守边境以军士兵', '发射', '催泪瓦斯']
                  ]
                  
-# 使用方式2-基于百度DDParser依存句法分析的事件三元组抽取
+# 方法2-基于百度DDParser依存句法分析的事件三元组抽取
 
        from baidu_svo_extract import *
        extractor = SVOParser()
        svos = extractor.triples_main(content2)
        print('svos', svos)
     
-# 测试样例
+# 方法2-测试结果
         content = '李克强总理今天来我家了,我感到非常荣幸'
         svos = [
                  ['总理李克强', '来', '我家'], 
@@ -51,9 +51,39 @@
                   ['部分示威者', '燃烧', '轮胎']
                  ]
 
-# 对比结论
+# 方法3-基于词性模板规则的事件三元组抽取
+
+       from pattern_event_triples import *
+       extractor = ExtractEvent()
+       events, spos = handler.phrase_ip(content1)
+       spos = [i for i in spos if i[0] and i[2]]
+       print('svos', svos)
+    
+# 方法3-测试结果
+        content = '李克强总理今天来我家了,我感到非常荣幸'
+        svos = [
+                  ('李克强总理', '来', '我家')
+                  ('李克强', '感到', '荣幸')
+                 ]
+
+        content = ''' 以色列国防军20日对加沙地带实施轰炸，造成3名巴勒斯坦武装人员死亡。此外，巴勒斯坦人与以色列士兵当天在加沙地带与以交界地区发生冲突，一名巴勒斯坦人被打死。当天的冲突还造成210名巴勒斯坦人受伤。
+    当天，数千名巴勒斯坦人在加沙地带边境地区继续“回归大游行”抗议活动。部分示威者燃烧轮胎，并向以军投掷石块、燃烧瓶等，驻守边境的以军士兵向示威人群发射催泪瓦斯并开枪射击。'''
+        svos = [
+                  ('数千名巴勒斯坦人在加沙地带边境地区', '继续回归游行', '抗议活动')
+                  ('部分示威者', '燃烧', '轮胎')
+                  ('边境', '以军', '士兵向示威人群发射催泪瓦斯开枪射击')
+                  ('士兵向示威人群', '发射', '催泪瓦斯开枪射击')
+                 ]
+
+
+
+# 总结
+
+本项目公开了基于ltp句法分析和语义角色标注、基于百度DDParser以及基于词法模式的事件三元组抽取方法，并给了实验示例。可以得到以下结论：  
 1、LTP在DDParser之外，还提供了语义角色标注的功能，这个可以用于事件三元组抽取的有效补充。  
 2、LTP速度比DDParser要快。   
+3、基于词法模式的事件三元组抽取速度最快，但效果取决于分词、词性标注性能。  
+4、基于词法模式，可以得到语义更长的三元组元素信息。  
 
 
 If any question about the project or me ,see https://liuhuanyong.github.io/