diff --git a/docs/source/index.rst b/docs/source/index.rst
index ca000859..d48af986 100644
--- a/docs/source/index.rst
+++ b/docs/source/index.rst
@@ -1,60 +1,28 @@
fastNLP 中文文档
=====================
-fastNLP 是一款轻量级的 NLP 处理套件。你既可以使用它快速地完成一个命名实体识别(NER)、中文分词或文本分类任务;
-也可以使用他构建许多复杂的网络模型,进行科研。它具有如下的特性:
+`fastNLP `_ 是一款轻量级的 NLP 处理套件。你既可以使用它快速地完成一个序列标注
+(NER、POS-Tagging等)、中文分词、文本分类、Matching、指代消解、摘要等任务
+(详见 `reproduction `_ );
+也可以使用它构建许多复杂的网络模型,进行科研。它具有如下的特性:
-- 统一的Tabular式数据容器,让数据预处理过程简洁明了。内置多种数据集的DataSet Loader,省去预处理代码。
-- 各种方便的NLP工具,例如预处理embedding加载; 中间数据cache等;
-- 详尽的中文文档以供查阅;
-- 提供诸多高级模块,例如Variational LSTM, Transformer, CRF等;
-- 封装CNNText,Biaffine等模型可供直接使用;
-- 便捷且具有扩展性的训练器; 提供多种内置callback函数,方便实验记录、异常捕获等。
+- 统一的Tabular式数据容器,让数据预处理过程简洁明了。内置多种数据集的 :mod:`~fastNLP.io.data_loader` ,省去预处理代码;
+- 多种训练、测试组件,例如训练器 :class:`~fastNLP.Trainer` ;测试器 :class:`~fastNLP.Tester` ;以及各种评测 :mod:`~fastNLP.core.metrics` 等等;
+- 各种方便的NLP工具,例如预处理 :mod:`embedding` 加载(包括ELMo和BERT); 中间数据存储 :func:`cache ` 等;
+- 提供诸多高级模块 :mod:`~fastNLP.modules`,例如 :class:`~fastNLP.modules.VarLSTM` , :class:`Transformer` , :class:`CRF` 等;
+- 在序列标注、中文分词、文本分类、Matching、指代消解、摘要等任务上封装了各种 :mod:`~fastNLP.models` 可供直接使用;
+- 训练器便捷且具有扩展性,提供多种内置 :mod:`~fastNLP.core.callback` 函数,方便实验记录、异常捕获等。
-内置组件
-------------
-
-大部分用于的 NLP 任务神经网络都可以看做由编码(encoder)、聚合(aggregator)、解码(decoder)三种模块组成。
-
-.. image:: figures/text_classification.png
-
-fastNLP 在 :mod:`~fastNLP.modules` 模块中内置了三种模块的诸多组件,可以帮助用户快速搭建自己所需的网络。
-三种模块的功能和常见组件如下:
-
-+-----------------------+-----------------------+-----------------------+
-| module type | functionality | example |
-+=======================+=======================+=======================+
-| encoder | 将输入编码为具有具 | embedding, RNN, CNN, |
-| | 有表示能力的向量 | transformer |
-+-----------------------+-----------------------+-----------------------+
-| aggregator | 从多个向量中聚合信息 | self-attention, |
-| | | max-pooling |
-+-----------------------+-----------------------+-----------------------+
-| decoder | 将具有某种表示意义的 | MLP, CRF |
-| | 向量解码为需要的输出 | |
-| | 形式 | |
-+-----------------------+-----------------------+-----------------------+
-
-
-内置模型
-----------------
-
-fastNLP 在 :mod:`~fastNLP.models` 模块中内置了如 :class:`~fastNLP.models.CNNText` 、
-:class:`~fastNLP.models.SeqLabeling` 等完整的模型,以供用户直接使用。
-
-.. todo::
- 这些模型的介绍如下表所示:(模型名称 + 介绍 + 任务上的结果)
-
用户手册
----------------
.. toctree::
- :maxdepth: 1
+ :maxdepth: 2
安装指南
快速入门
- 详细指南
+ 详细教程
API 文档
-------------
@@ -67,11 +35,11 @@ API 文档
fastNLP
-fitlog
-------
+fitlog文档
+----------
-用户可以 `点此 `_ 查看fitlog的文档。
-fitlog 是由我们团队开发,用于帮助用户记录日志并管理代码的工具
+您可以 `点此 `_ 查看fitlog的文档。
+fitlog 是由我们团队开发的日志记录+代码管理的工具。
索引与搜索
==================
diff --git a/docs/source/user/tutorials.rst b/docs/source/user/tutorials.rst
index cd1fba05..196f9c29 100644
--- a/docs/source/user/tutorials.rst
+++ b/docs/source/user/tutorials.rst
@@ -1,18 +1,20 @@
-===================
-fastNLP详细使用教程
-===================
+========================
+fastNLP 详细使用教程
+========================
+
+这里是更详细的使用教程。对于大部分的用户,我们建议你从第一篇开始顺序阅读;如果你只想了解其中的一部分,也可以进行选读。
.. toctree::
:maxdepth: 1
- 1. 使用DataSet预处理文本
- 2. 使用DataSetLoader加载数据集
- 3. 使用Embedding模块将文本转成向量
- 4. 动手实现一个文本分类器I-使用Trainer和Tester快速训练和测试
- 5. 动手实现一个文本分类器II-使用DataSetIter实现自定义训练过程
- 6. 快速实现序列标注模型
- 7. 使用Modules和Models快速搭建自定义模型
- 8. 使用Metric快速评测你的模型
- 9. 使用Callback自定义你的训练过程
- 10. 使用fitlog 辅助 fastNLP 进行科研
+ 使用DataSet预处理文本
+ 使用DataSetLoader加载数据集
+ 使用Embedding模块将文本转成向量
+ 动手实现一个文本分类器I-使用Trainer和Tester快速训练和测试
+ 动手实现一个文本分类器II-使用DataSetIter实现自定义训练过程
+ 快速实现序列标注模型
+ 使用Modules和Models快速搭建自定义模型
+ 使用Metric快速评测你的模型
+ 使用Callback自定义你的训练过程
+ 使用fitlog 辅助 fastNLP 进行科研
diff --git a/fastNLP/modules/__init__.py b/fastNLP/modules/__init__.py
index 115156eb..7959e454 100644
--- a/fastNLP/modules/__init__.py
+++ b/fastNLP/modules/__init__.py
@@ -9,7 +9,7 @@
.. csv-table::
:header: "类型", "功能", "常见组件"
- "embedding", 参见 :doc:`fastNLP.embeddings` , "Elmo, Bert"
+ "embedding", 参见 :doc:`/fastNLP.embeddings` , "Elmo, Bert"
"encoder", "将输入编码为具有表示能力的向量", "CNN, LSTM, Transformer"
"decoder", "将具有某种表示意义的向量解码为需要的输出形式 ", "MLP, CRF"
"其它", "配合其它组件使用的组件", "Dropout"