diff --git a/README_V2.md b/README_V2.md
index 14d9327..22b32d1 100644
--- a/README_V2.md
+++ b/README_V2.md
@@ -10,21 +10,25 @@
 
 ```bash
 ├── code/
-│   ├── collect_data.py				# 爬取CVE和NVD的页面信息
-│   ├── create_dataset.py			# 生成数据集
-│   ├── get_token.py				# 得到有效词词袋以及IDF值
-│   ├── process_data.py				# 获得手工特征生成所需的信息
-│   ├── feature.py					# 生成手工特征
-│   ├── encoding_module.py			# 生成语义特征的函数文件
-│   ├── ranking.py					# 生成语义特征，进行特征拼接，输入模型得到代码提交最终排名
-│   ├── VCMATCH_encoding_module.py	# VCMATCH生成语义特征的函数文件
-│   ├── VCMATCH_ranking.py			# VCMATCH 得到代码提交最终排名
-│   ├── util.py						# 自定义函数文件
+│   ├── collect_data.py								# 爬取CVE和NVD的页面信息
+│   ├── create_dataset.py                         # 生成数据集
+│   ├── get_token.py				                # 得到有效词词袋以及IDF值
+│   ├── process_data.py				              # 获得手工特征生成所需的信息
+│   ├── feature.py					                  # 生成手工特征
+│   ├── encoding_module.py			            # 生成语义特征的函数文件
+│   ├── ranking.py					                  # 生成语义特征，进行特征拼接，输入模型得到代码提交最终排名
+│   ├── VCMATCH_encoding_module.py	    # VCMATCH生成语义特征的函数文件
+│   ├── VCMATCH_ranking.py			          # VCMATCH 得到代码提交最终排名
+│   ├── util.py						                     # 自定义函数文件
 ├── data/
-│   ├── data.csv					# 1669个漏洞CVE ID及安全补丁的代码提交哈希值
-│   ├── cve_desc.csv				# 1669个漏洞的描述信息
-│   ├── vuln_type_impact.json		# 漏洞类型和影响文件
-├── README_V2.md
+│   ├── data.csv					                   # 1669个漏洞CVE ID及安全补丁的代码提交哈希值
+│   ├── cve_desc.csv				                # 1669个漏洞的描述信息
+│   ├── vuln_type_impact.json		             # 漏洞类型和影响文件
+├── README.md                                       # 赛题原始README文件
+├── README_V2.md                                  # 本项目README文件
+├── Report.pdf                                          # 本作品对应报告
+├── docker.md                                          # 所构建docker镜像的下载链接及运行方法
+├── 队员名单.md                                        # 本参赛队伍人员组成
 ```
 
 
@@ -114,12 +118,3 @@ pip install catboost
 5. 依次按照collect_data.py, create_dataset.py, get_tokens.py, process_data.py, feature.py, ranking.py的顺序运行文件。
 
 6. 在ranking.py指定的result_path文件夹中查看性能指标文件。
-
-
-
-Baseline-VCMATCH运行流程 
-
-1. 在pretrained_model文件夹下新建BERT文件夹，将[VCMatch](https://figshare.com/s/0f3ed11f9348e2f3a9f8?file=32403518)源代码中使用的BERT模型相关文件(data/bert_model_path)下载至该文件夹内。
-1. 若项目名代码已成功运行结束，运行VCMATCH_ranking.py即可。
-1. 在VCMATCH_ranking.py指定的result_path文件夹中查看性能指标文件。
-