fix readme

README.md

@@ -19,7 +19,7 @@
 * ``__init__``：你需要在该函数类中完成你模型的各种初始化，并且为该类声明变量 ``batch_size``，该变量代表评测器每次需要给你多少个数据同时进行预测。``batch_size`` 需要是一个大于等于 $1$ 小于等于 $128$ 的整数，如果该参数对你来说没有意义，请直接使用 ``self.batch_size=1`` 将该变量设为 $1$。
 * ``predict(content)``：在该函数内你需要实现自动判决的预测。参数 ``content`` 为一个长度**不超过** ``batch_size`` 的数组，其中每个元素为一个字符串，对应下载的数据中的事实即 ``fact`` 字段，你需要对每一个数组中的元素进行预测，并返回预测的结果 ``result``。``result``的类型应该为数组，且其元素个数应与 ``content`` 的元素个数相同，并且 ``result`` 中预测的结果顺序应与 ``content`` 中的事实顺序相同。对于每个预测结果，其类型应为 ``dict`` 类型，且包含以下字段：
     * ``accusation``：该字段的类型为一个数组，数组中包含若干个整数，代表预测相关罪名的结果。如 $[1,2,3]$ 表示和第 $1,2,3$ 条罪名都相关，罪名的编号与下发的 ``accu.txt`` 中的顺序一致，从 $1$ 开始编号。
-    * ``articles``：该字段的类型为一个数组，数组中包含若干个整数，代表预测相关法条的结果。如 $[1,2,3]$ 表示和第 $1,2,3$ 条法条都相关，罪名的编号与下发的 ``law.txt`` 中的顺序一致，从 $1$ 开始编号。
+    * ``articles``：该字段的类型为一个数组，数组中包含若干个整数，代表预测相关法条的结果。如 $[1,2,3]$ 表示和第 $1,2,3$ 条法条都相关，法条的编号与下发的 ``law.txt`` 中的顺序一致，从 $1$ 开始编号。**注意**这里的数字并不是代表你预测的结果为法条的第几条，你预测的结果为 $1$ 代表的是 ``law.txt`` 中的第一条法条。
     * ``imprisonment``：该字段类型为一个整数，代表预测的刑期，单位为月。如果预测结果为无期徒刑，请将该字段的值设为 $-1$；如果预测结果为死刑，请将该字段的值设为 $-2$。
 
 以上为 ``predictor.py`` 中你需要实现的内容，你可以利用 ``python_example/predictor`` 下的文件进行进一步参考。