diff --git a/docs_ko/get_started/introduction.rst b/docs_ko/get_started/introduction.rst
index a826ec3b6ebb7ea8f6b4ddc3b9944cd42503f68e..c600afb01ccc7588334e55831b8be72577191518 100644
--- a/docs_ko/get_started/introduction.rst
+++ b/docs_ko/get_started/introduction.rst
@@ -17,7 +17,7 @@
 그래프는 객체(노드) 쌍의 관계(엣지)를 모델링하는 데 사용됩니다.
 **PyG** 의 단일 그래프는 기본적으로 `torch_geometric.data.Data` 클래스(class)의 인스턴스(instance)로 설명되며, 기본적으로 다음 속성(attribute)들을 가지고 있습니다:
 
-- `data.x`: 노드 특징 행렬(feature matrix)의 모양(shape)은은 `[num_nodes, num_node_features]`
+- `data.x`: 노드 특징 행렬(feature matrix)의 모양(shape)은 `[num_nodes, num_node_features]`
 - `data.edge_index`: `COO format <https://pytorch.org/docs/stable/sparse.html#sparse-coo-docs>`_ 로 나타내어진 그래프의 연결 상태의 모양(shape)은 `[2, num_edges]` 그리고 타입은 `torch.long`
 - `data.edge_attr`: 엣지 특징 행렬(feature matrix) 의 모양(shape)은 `[num_edges, num_edge_features]`
 - `data.y`: 학습하고자 하는 타겟 (다양한 모양(shape)을 가질 수 있음), *e.g.*, 노드 수준의 타겟의 모양(shape)은 `[num_nodes, *]`, 또는 그래프 수준의 타겟의 모양(shape)은 `[1, *]`
@@ -25,7 +25,7 @@
 
 이러한 속성들이 전부 필수인 것은 아닙니다.
 사실, `torch_geometric.data.Data` 객체는 이 속성들로만 제한된 것도 아닙니다.
-*e.g.* `[3, num_faces]` 모양(shape)과 `torch.long` 타입을 갖는 텐서인 3D 메쉬로부터, 삼각형의 연결 상태를 저장하기 위한 `data.face`로 확장도 가능합니다.
+*e.g.* `[3, num_faces]` 모양(shape)과 `torch.long` 타입을 갖는 텐서인 3D 메쉬로부터, 삼각형의 연결 상태를 저장하기 위한 `data.face` 로 확장도 가능합니다.
 
 .. Note::
     `PyTorch` 와 `torchvision` 에서는 이미지와 타겟의 튜플로써 예시를 표기합니다.
@@ -52,7 +52,7 @@
 
 |
 
-모든 엣지의 소스 노드와 타겟 노드를 정의하는 텐서인 `edge_index` 가 인덱스 튜플의 리스트가 **아니**라는 점에 유의하십시오.
+모든 엣지의 소스 노드와 타겟 노드를 정의하는 텐서인 `edge_index` 가 인덱스 튜플의 리스트가 **아니** 라는 점에 유의하십시오.
 이런 방식으로 인덱스를 작성하려면, 데이터 생성자에게 넘겨주기 전에 반드시 `edge_index` 를 전치하고 `contiguous` 함수를 적용해줘야 합니다:
 
 .. code-block:: python