Update: 모델 내용

README.md

@@ -58,15 +58,15 @@ model-index:
 BartForConditionalGeneration Fine-Tuning Model For Number To Korean <br />
 BartForConditionalGeneration으로 파인튜닝한, 숫자를 한글로 변환하는 Task 입니다. <br />
 
-Dataset use [Korea aihub](https://aihub.or.kr/aihubdata/data/list.do?currMenu=115&topMenu=100&srchDataRealmCode=REALM002&srchDataTy=DATA004) <br />
+- Dataset use [Korea aihub](https://aihub.or.kr/aihubdata/data/list.do?currMenu=115&topMenu=100&srchDataRealmCode=REALM002&srchDataTy=DATA004) <br />
 I can't open my fine-tuning datasets for my private issue <br />
 데이터셋은 Korea aihub에서 받아서 사용하였으며, 파인튜닝에 사용된 모든 데이터를 사정상 공개해드릴 수는 없습니다. <br />
 
-Korea aihub data is ONLY permit to Korean!!!!!!! <br />
+- Korea aihub data is ONLY permit to Korean!!!!!!! <br />
 aihub에서 데이터를 받으실 분은 한국인일 것이므로, 한글로만 작성합니다. <br />
 정확히는 음성전사를 철자전사로 번역하는 형태로 학습된 모델입니다. (ETRI 전사기준) <br />
 
-In case, ten million, some people use 10 million or some people use 10000000, so this model is crucial for training datasets
+- In case, ten million, some people use 10 million or some people use 10000000, so this model is crucial for training datasets
 천만을 1000만 혹은 10000000으로 쓸 수도 있기에, Training Datasets에 따라 결과는 상이할 수 있습니다. <br />
 - **Developed by:**  Yoo SungHyun(https://github.com/YooSungHyun)
 - **Language(s):** Korean
@@ -76,9 +76,10 @@ In case, ten million, some people use 10 million or some people use 10000000, so
   
 ## Uses
 This Model is inferenced token BACKWARD. so, you have to `flip` before `tokenizer.decode()`
-해당 모델은 inference시 역순으로 예측합니다. (밥을 6시에 먹었어 -> 어 먹었 시에 여섯 을 밥) 때문에 `tokenizer.decode`를 수행하기 전에, `flip`으로 역순으로 치환해주세요.
+해당 모델은 inference시 역순으로 예측합니다. (밥을 6시에 먹었어 -> 어 먹었 시에 여섯 을 밥) <br />
+때문에 `tokenizer.decode`를 수행하기 전에, `flip`으로 역순으로 치환해주세요.
 
-Want see more detail follow this URL [KoGPT_num_converter](https://github.com/ddobokki/KoGPT_num_converter) and see `bart_inference.py` and `bart_train.py`
+Want see more detail follow this URL [KoGPT_num_converter](https://github.com/ddobokki/KoGPT_num_converter) <br /> and see `bart_inference.py` and `bart_train.py`
 ```python
 class BartText2TextGenerationPipeline(Text2TextGenerationPipeline):
     def postprocess(self, model_outputs, return_type=ReturnType.TEXT, clean_up_tokenization_spaces=False):