diff --git a/docs/source/tutorials/tutorial_1_data_preprocess.rst b/docs/source/tutorials/tutorial_1_data_preprocess.rst
index 448cb62e..5104bfce 100644
--- a/docs/source/tutorials/tutorial_1_data_preprocess.rst
+++ b/docs/source/tutorials/tutorial_1_data_preprocess.rst
@@ -19,7 +19,7 @@ fastNLP中的DataSet
 DataSet的构建
 -----------------------------
 
-我们使用传入字典的方式构建一个数据集，这是 :class:`~fastNLP.DataSet` 初始化的最基础的方式
+我们使用传入字典的方式初始化一个DataSet，这是 :class:`~fastNLP.DataSet` 初始化的最基础的方式
 
 .. code-block:: python
 
@@ -42,7 +42,7 @@ DataSet的构建
     +------------------------------+------------------------------------------------+---------+
 
 
-我们还可以使用 :func:`~fastNLP.DataSet.append` 方法向数据集内增加数据
+我们还可以使用 :func:`~fastNLP.DataSet.append` 方法向DataSet增加数据
 
 .. code-block:: python
 
@@ -55,7 +55,7 @@ DataSet的构建
     dataset.append(instance)
     # 可以继续append更多内容，但是append的instance应该和前面的instance拥有完全相同的field
 
-另外，我们还可以用 :class:`~fastNLP.Instance` 数组的方式构建数据集
+另外，我们还可以用 :class:`~fastNLP.Instance` 数组的方式构建DataSet
 
 .. code-block:: python
 
@@ -70,7 +70,7 @@ DataSet的构建
             seq_len=3)
         ])
 
-在初步构建完数据集之后，我们可以通过 `for` 循环遍历 :class:`~fastNLP.DataSet` 中的内容。
+在初步构建完DataSet之后，我们可以通过 `for` 循环遍历 :class:`~fastNLP.DataSet` 中的内容。
 
 .. code-block:: python
 
@@ -81,14 +81,14 @@ DataSet的删除
 -----------------------------
 
 FastNLP 同样提供了多种删除数据的方法 :func:`~fastNLP.DataSet.drop` 、 :func:`~fastNLP.DataSet.delete_instance` 和 :func:`~fastNLP.DataSet.delete_field`
-我们先用下面的代码生成一个只有两列的样例数据集，第一列的值分别为 -5 ~ 4，第二列的值均为 0.
+我们先用下面的代码生成一个只有两列的样例DataSet，第一列的值分别为 -5 ~ 4，第二列的值均为 0.
 
 .. code-block:: python
 
     from fastNLP import DataSet
     dataset = DataSet({'a': range(-5, 5), 'c': [0]*10})
 
-然后我们使用三种方法进行删除，删除后的数据集仅包含名为 c 的一列，包含4个值为0 的数据。
+然后我们使用三种方法进行删除，删除后的DataSet仅包含名为 c 的一列，包含4个值为0 的数据。
 
 .. code-block:: python
 
@@ -118,9 +118,8 @@ FastNLP 同样提供了多种删除数据的方法 :func:`~fastNLP.DataSet.drop`
     len(dataset)
 
 其次，我们可以使用 :func:`~fastNLP.DataSet.apply` 或 :func:`~fastNLP.DataSet.apply_field` 进行数据预处理操作操作。
-这两个方法通过传入一个对单一 :mod:`~fastNLP.core.instance` 操作的函数，
-自动地帮助你对一个 :mod:`~fastNLP.core.field` 中的每个 :mod:`~fastNLP.core.instance` 调用这个函数，完成整体的操作。
-这个传入的函数可以是 lambda 匿名函数，也可以是完整定义的函数。同时，你还可以用 ``new_field_name`` 参数指定数据处理后存储的 :mod:`~fastNLP.core.field` 的名称。
+使用以上的两个方法需要传入一个函数，函数可以是 lambda 匿名函数，也可以是完整定义的函数，fastNLP将对DataSet遍历地应用该函数。
+同时，你还可以用 ``new_field_name`` 参数指定函数返回值组成的新 :mod:`~fastNLP.core.field` 的名称。
 
 .. code-block:: python
 
diff --git a/docs/source/tutorials/tutorial_2_vocabulary.rst b/docs/source/tutorials/tutorial_2_vocabulary.rst
index dd394d04..130fadd2 100644
--- a/docs/source/tutorials/tutorial_2_vocabulary.rst
+++ b/docs/source/tutorials/tutorial_2_vocabulary.rst
@@ -24,7 +24,7 @@ fastNLP中的Vocabulary
     vocab.to_index('positive')  # 输出0
     vocab.to_index('neutral')  # 会报错，因为没有unk这种情况
 
-除了通过以上的方式建立词表，Vocabulary还可以通过使用下面的函数直从 :class:`~fastNLP.DataSet` 中的某一列建立词表以及将该列转换为index
+除了通过以上的方式建立词表，Vocabulary还可以通过使用下面的函数直接从 :class:`~fastNLP.DataSet` 中的某一列建立词表以及将该列转换为index
 
 .. code-block:: python
 
@@ -39,7 +39,9 @@ fastNLP中的Vocabulary
     })
 
     vocab = Vocabulary()
+    #  从该dataset中的chars列建立词表
     vocab.from_dataset(dataset, field_name='chars')
+    #  使用vocabulary将chars列转换为index
     vocab.index_dataset(dataset, field_name='chars')
 
     target_vocab = Vocabulary(padding=None, unknown=None)
@@ -60,7 +62,7 @@ fastNLP中的Vocabulary
 一些使用tips
 -----------------------------
 
-在通过使用from_dataset()函数在DataSet上建立词表时，将测试集和验证集放入参数no_create_entry_dataset中，如下所示
+在使用from_dataset()函数建立词表时，将测试集和验证集放入参数no_create_entry_dataset中，如下所示
 
 .. code-block:: python