diff --git a/README.md b/README.md
index 042bb4ada353e348d944ce14ae8c3a5e3f1f4bc2..8ab5d76916e22515ba194c3b0750a32fe3e6d0fc 100644
--- a/README.md
+++ b/README.md
@@ -90,119 +90,119 @@ cmd창에서 저장한 공간으로 이동한다
 <br>
 
 # 1. Konlpy & Soynlp 설명
-__Konlpy__는 __Kkma__, __Twitter__, __Komoran__이라는 3가지 태거가 "tag" 패키지 안에 정리되어 있습니다.
-3가지 태거는 성능의 차이를 보일 뿐 성능은 같으므로 __Kkma__로 __Konlp__y의 함수에 대하여 설명을 시작하겠습니다.
-<br>
-__Soynlp__에서는 품사 태깅의 기능은 없으나 토큰화를 전문적으로 하는 __tokenizer__가 "tokenizer" 패키지 안에 정의되어 있습니다.
-__Soynlp__에 관해서는 성능 분석에서 같이 다루도록 하겠습니다.
-<br>
-#### morphs
-> __morphs__ 함수는 학습되어 있는 형태소 단위로 토큰화를 하지만 품사 태깅은 이루어지지 않습니다.
-> ![morphs](/uploads/656d318e1bd0ca58bb4687ef5cb07dd2/morphs.JPG)
-
-#### nouns
-> __nouns__ 함수는 학습되어 있는 명사 단위로 토큰화를 합니다.
-> ![nouns](/uploads/273751557e443ffb726887d95a0629ad/nouns.JPG)
-
-#### pos
-> __pos__ 함수는 학습되어 있는 형태소 단위로 토큰화를 하며 품사 태깅도 같이 이루어지고 있습니다.
-> ![pos](/uploads/1377d79ed22e478ab55683d27046ee1f/pos.JPG)
-
-#### sentences
-> __sentences__ 함수는 Kkma(꼬꼬마)에서만 제공하는 함수로 문장 단위로 토큰화를 합니다.
-> ![sentences](/uploads/6a0fab97f3fc8330328bc8fce88ad9d5/sentences.JPG)
+> __Konlpy__는 __Kkma__, __Twitter__, __Komoran__이라는 3가지 태거가 "tag" 패키지 안에 정리되어 있습니다.
+> 3가지 태거는 성능의 차이를 보일 뿐 성능은 같으므로 __Kkma__로 __Konlp__y의 함수에 대하여 설명을 시작하겠습니다.
+> <br>
+> __Soynlp__에서는 품사 태깅의 기능은 없으나 토큰화를 전문적으로 하는 __tokenizer__가 "tokenizer" 패키지 안에 정의되어 있습니다.
+> __Soynlp__에 관해서는 성능 분석에서 같이 다루도록 하겠습니다.
+> <br>
+> #### morphs
+>> __morphs__ 함수는 학습되어 있는 형태소 단위로 토큰화를 하지만 품사 태깅은 이루어지지 않습니다.
+>> ![morphs](/uploads/656d318e1bd0ca58bb4687ef5cb07dd2/morphs.JPG)
+
+> #### nouns
+>> __nouns__ 함수는 학습되어 있는 명사 단위로 토큰화를 합니다.
+>> ![nouns](/uploads/273751557e443ffb726887d95a0629ad/nouns.JPG)
+
+> #### pos
+>> __pos__ 함수는 학습되어 있는 형태소 단위로 토큰화를 하며 품사 태깅도 같이 이루어지고 있습니다.
+>> ![pos](/uploads/1377d79ed22e478ab55683d27046ee1f/pos.JPG)
+
+> #### sentences
+>> __sentences__ 함수는 Kkma(꼬꼬마)에서만 제공하는 함수로 문장 단위로 토큰화를 합니다.
+>> ![sentences](/uploads/6a0fab97f3fc8330328bc8fce88ad9d5/sentences.JPG)
 
 # 2. 성능 분석
-## Konlpy
-- __Kkma(꼬꼬마)__
-- __Twitter(트위터)__
-- __Komoran(코모란)__
-![image3](/uploads/df742259cb751f11af9e2f4843e1b23b/image3.JPG)
-
-#### 아버지가방에들어가신다.
-> "아버지가방에들어가신다."에 대하여 태거들마다 상이하게 품사 태깅을 하고 있습니다. <br>
+> ## Konlpy
+> - __Kkma(꼬꼬마)__
+> - __Twitter(트위터)__
+> - __Komoran(코모란)__
+> ![image3](/uploads/df742259cb751f11af9e2f4843e1b23b/image3.JPG)
+
+> #### 아버지가방에들어가신다.
+>> "아버지가방에들어가신다."에 대하여 태거들마다 상이하게 품사 태깅을 하고 있습니다. <br>
 하지만 제대로 토큰화하는 태거는 하나도 없는 점을 미루어 보면 한국어 자연어 처리에 대한 어려움을 볼 수 있습니다.<br>
 태거를 직접 사용해보고 사용하는 환경에서 가장 좋은 성능을 보이는 태거를 선택하는 것이 좋습니다. 
-<br><br>
-> ![image1](/uploads/92d82257fd200064ea9203fae1663fb9/image1.png)
+> <br><br>
+>> ![image1](/uploads/92d82257fd200064ea9203fae1663fb9/image1.png)
 
 
-#### 머리를 감기다.
-> "머리를 감기다."라는 문장에 대해 "감기"를 동사로 인식하는 것이 바람직합니다. <br>
+> #### 머리를 감기다.
+>> "머리를 감기다."라는 문장에 대해 "감기"를 동사로 인식하는 것이 바람직합니다. <br>
 코모란은 동사로 인식하나 트위터와 꼬꼬마는 그렇지 못하는 모습을 볼 수 있습니다.<br>
-<br>
-> ![image2](/uploads/61ce19d94001f08176c8c9d39d1d3913/image2.png)
+> <br>
+>> ![image2](/uploads/61ce19d94001f08176c8c9d39d1d3913/image2.png)
 
 
-## Soynlp
-- __MaxScoreTokenizer__
-- __RegexTokenizer__
-![image4](/uploads/16e1efc4b7b768679fcd9de4957d7623/image4.JPG)
+> ## Soynlp
+> - __MaxScoreTokenizer__
+> - __RegexTokenizer__
+> ![image4](/uploads/16e1efc4b7b768679fcd9de4957d7623/image4.JPG)
 
-> Soynlp는 기본적으로 띄워쓰기 기반 토큰화를 합니다. 동시에 tokenizer들은 각각의 기능을 가지고 있습니다.<br>
-MaxScoreTokenizer는 scores 기능을 가집니다. scores란 토큰화를 원하는 단어에 대하여 점수를 매김으로써 우선적으로 추출을 할 수 있는 기능입니다.<br>
-RegexTokenizer는 문장에서 규칙성을 띄는 부분이 있다면 우선적으로 추출을 할 수 있습니다.<br><br>
-> ![image5](/uploads/f86c645247ee3d7f3783cac0a1950f10/image5.png)
+>> Soynlp는 기본적으로 띄워쓰기 기반 토큰화를 합니다. 동시에 tokenizer들은 각각의 기능을 가지고 있습니다.<br>
+> MaxScoreTokenizer는 scores 기능을 가집니다. scores란 토큰화를 원하는 단어에 대하여 점수를 매김으로써 우선적으로 추출을 할 수 있는 기능입니다.<br>
+> RegexTokenizer는 문장에서 규칙성을 띄는 부분이 있다면 우선적으로 추출을 할 수 있습니다.<br><br>
+>> ![image5](/uploads/f86c645247ee3d7f3783cac0a1950f10/image5.png)
 
 # 3. Konlpy(Twitter) vs Soynlp(MaxScoreTokenizer)
-<br>
+> <br>
 
-|| Konlpy | Soynlpy |
-|:-:|:-----------:|:------------:|
-| 장점 | 띄어쓰기가 없어도 토큰화 가능 | 고유 명사 추출가능 |
-| 단점 | 고유 명사 추출이 힘듦 | 띄어쓰기가 제대로 되지 않으면 토큰화가 안됨 |
-<br><br>
+> || Konlpy | Soynlpy |
+> |:-:|:-----------:|:------------:|
+> | 장점 | 띄어쓰기가 없어도 토큰화 가능 | 고유 명사 추출가능 |
+> | 단점 | 고유 명사 추출이 힘듦 | 띄어쓰기가 제대로 되지 않으면 토큰화가 안됨 |
+> <br><br>
 
 # 4. python Korean NLP 
-> __고유 명사를 추출하기 위한 Soynlp__ <br>
- __띄어쓰기와 무관한 토큰화 Konlpy__<br><br>
+>> __고유 명사를 추출하기 위한 Soynlp__ <br>
+>  __띄어쓰기와 무관한 토큰화 Konlpy__<br><br>
 
-### - Result
-> ![캡처](/uploads/11c1af44fe7b2c44775e3511b5cb3cc5/캡처.JPG)
+> ### - Result
+>> ![캡처](/uploads/11c1af44fe7b2c44775e3511b5cb3cc5/캡처.JPG)
 
 
 # 5. How to use Korean NLP
-### Installation
-- 사용을 원하는 python file과 동일한 폴더에 다운로드 후 import 하셔서 정상 실행이 됩니다.
-- Library file에 import를 하시는 경우 korea_nlp_library.py file을 Download 해주세요.
+> ### Installation
+> - 사용을 원하는 python file과 동일한 폴더에 다운로드 후 import 하셔서 정상 실행이 됩니다.
+> - Library file에 import를 하시는 경우 korea_nlp_library.py file을 Download 해주세요.
 
 
-### tokenizer()
-- 문자의 토큰화
+> ### tokenizer()
+> - 문자의 토큰화
 
-```
-> kn.tokenizer(sentence,scores)
-```
+> ```
+>> kn.tokenizer(sentence,scores)
+> ```
 
-### NounExtractor()
-- 문장에서 'Noun'추출
+> ### NounExtractor()
+> - 문장에서 'Noun'추출
 
-```
-> kn.NounExtractor(sentence,scores)
-```
+> ```
+>> kn.NounExtractor(sentence,scores)
+> ```
 
-### sentence & scores
-- 각 함수의 parameter로 들어감으로 함수 사용 이전에 정의해준다
-- sentence : 전처리해주고 싶은 문장
-- scores : 고유명사로 간직하고 싶은 단어<br> >> scores = {'지정한 고유명사' : 주고 싶은 score}
+> ### sentence & scores
+> - 각 함수의 parameter로 들어감으로 함수 사용 이전에 정의해준다
+> - sentence : 전처리해주고 싶은 문장
+> - scores : 고유명사로 간직하고 싶은 단어<br> >> scores = {'지정한 고유명사' : 주고 싶은 score}
 
-```
-> sentence = '우리 밀플랜비 먹으러 갈래?'
-> scores = {'밀플랜비' : 1.0}
-```
-##### - score의 차등화
-- score의 점수 차를 이용하여 고유명사 사이의 우선순위를 결정할 수 있다.
+> ```
+>> sentence = '우리 밀플랜비 먹으러 갈래?'
+>> scores = {'밀플랜비' : 1.0}
+> ```
+> ##### - score의 차등화
+> - score의 점수 차를 이용하여 고유명사 사이의 우선순위를 결정할 수 있다.
 
-> __아래와 같이 밀플랜비는 1.0이라는 score를 플랜비는 0.5라는 score를 주었다.__<br>
-__이렇게 되면 밀플랜비라는 단어를 전처리할 때 ['밀','플랜비']라고 추출이 되는 것이 아니라__<br>
-__더 score가 높은 ['밀플랜비']가 추출이 된다.__<br>
+>> __아래와 같이 밀플랜비는 1.0이라는 score를 플랜비는 0.5라는 score를 주었다.__<br>
+> __이렇게 되면 밀플랜비라는 단어를 전처리할 때 ['밀','플랜비']라고 추출이 되는 것이 아니라__<br>
+> __더 score가 높은 ['밀플랜비']가 추출이 된다.__<br>
 
-```
-> sentence = '밀플랜비를 먹는건 우리의 플랜비였는데...'
-> scores = {'밀플랜비' : 1.0, '플랜비' : 0.5}
-```
+> ```
+>> sentence = '밀플랜비를 먹는건 우리의 플랜비였는데...'
+>> scores = {'밀플랜비' : 1.0, '플랜비' : 0.5}
+> ```
 
-- 상세한 설명은 __'example.md'__ 
+> - 상세한 설명은 __'example.md'__ 
 
 
 <br>