Update README.md

README.md

@@ -42,7 +42,14 @@ Multi Similarity Loss를 이용해 **동일한 코드의 용어** 간에 높은
 **(2) Dense Passage Retrieval (DPR)**
 
 SapBERT-KO-EN을 검색 모델로 만들기 위해 추가적인 Fine-tuning을 해야 합니다.      
-Bi-Encoder 구조로 질의와 텍스트의 유사도를 계산하는 DPR 방식으로 Fine-tuning 했습니다.
+Bi-Encoder 구조로 질의와 텍스트의 유사도를 계산하는 DPR 방식으로 Fine-tuning 했습니다.    
+다음과 같이 기존의 데이터 셋에 **한·영 혼용체 샘플을 증강**한 데이터 셋을 사용했습니다.
+```
+예) 한국어 병명: 고혈압
+    영어 병명: Hypertenstion
+    질의 (원본): 아버지가 고혈압인데 그게 뭔지 모르겠어. 고혈압이 뭔지 설명좀 해줘.
+    질의 (증강): 아버지가 Hypertenstion 인데 그게 뭔지 모르겠어. Hypertenstion 이 뭔지 설명좀 해줘.
+```
 
 - Github : [https://github.com/snumin44/DPR-KO](https://github.com/snumin44/DPR-KO)
 
@@ -50,7 +57,7 @@ Bi-Encoder 구조로 질의와 텍스트의 유사도를 계산하는 DPR 방식
 
 **(1) Self Alignment Pretraining (SAP)**
 
-SapBERT-KO-EN 학습에 활용한 베이스 모델 및 하이퍼 파라미터는 다음과 같습니다.
+SapBERT-KO-EN 학습에 활용한 베이스 모델 및 하이퍼 파라미터는 다음과 같습니다.    
 한·영 의료 용어를 수록한 의료 용어 사전인 **KOSTOM**을 학습 데이터로 사용했습니다.
 
 - Model : klue/bert-base
@@ -67,6 +74,8 @@ SapBERT-KO-EN 학습에 활용한 베이스 모델 및 하이퍼 파라미터는
 
 **(2) Dense Passage Retrieval (DPR)**
 
+Fine-tuning에 활용한 베이스 모델 및 하이퍼 파라미터는 다음과 같습니다.
+