Update README.md

README.md

@@ -29,19 +29,19 @@ In addition to translation between Japanese and English, this model also has the
 以下の三種の指標を使って翻訳性能を確認しました。  
 The following three metrics were used to check translation performance.  
 
-数字が大きいほど性能が良い事を表します。  
+数字が大きいほど性能が良い事を意味します。  
 The higher the number, the better the performance.    
 
 ## BLEU
-翻訳テキストが元のテキストにどれだけ似ているかを評価する指標。しかし、単語の出現頻度だけを見ているため、語順の正確さや文の流暢さを十分に評価できないという弱点があります  
+翻訳テキストが元のテキストにどれだけ似ているかを評価する指標です。しかし、単語の出現頻度だけを見ているため、語順の正確さや文の流暢さを十分に評価できないという弱点があります  
 A metric that evaluates how similar the translated text is to the original text. However, since it mainly looks at the frequency of word appearances, it may not effectively evaluate the accuracy of word order or the fluency of sentences.  
 
 ### chrF++
-文字の組み合わせの一致度と語順に基づいて、翻訳の正確さを評価する方法。弱点としては、長い文の評価には不向きであることが挙げられます。  
+文字の組み合わせの一致度と語順に基づいて、翻訳の正確さを評価する指標です。弱点としては、長い文章の評価には不向きであることが挙げられます。  
 A method to evaluate translation accuracy based on how well character combinations match and the order of words. A drawback is that it might not be suitable for evaluating longer sentences.  
 
 ### comet
-機械学習モデルを使って翻訳の品質を自動的に評価するためのツール、人間が行う評価評価に近いと言われていますが。機械学習ベースであるため、元々のモデルが学習に使ったデータに大きく依存するという弱点があります。  
+機械学習モデルを使って翻訳の品質を自動的に評価するためのツール、人間が行う評価評価に近いと言われていますが、機械学習ベースであるため、元々のモデルが学習に使ったデータに大きく依存するという弱点があります。  
 A tool that uses machine learning models to automatically evaluate the quality of translations, although it is said to be similar to the evaluation ratings performed by humans. Because it is machine learning based, it has the weakness that the original model is highly dependent on the data used for training.    
 
 ## vs. NLLB-200