diff --git a/README.md b/README.md
index df5ed42..895a552 100644
--- a/README.md
+++ b/README.md
@@ -43,7 +43,9 @@
 ![输入图片说明](userCF.png)
 
 当一个用户A需要个性化推荐的时候，我们可以先找到和他有相似兴趣的其他用户，然后把那些用户喜欢的，而用户A没有听说过的物品推荐给A。
+
  **步骤** 
+
 所有基于用户的协同过滤算法步骤为：
 
 1. 找到和目标用户兴趣相似的其他用户集合
@@ -67,12 +69,15 @@ UserCF需要维护用户相似度矩阵以便快速的找出Topn相似用户，
 ![输入图片说明](itemCF.png)
 
 由于UserCF的缺陷，导致很多电商平台并没有采用这种算法，而是采用了ItemCF算法实现推荐系统。基于物品的协同过滤基本思想是预先根据所以用户的历史偏好数据计算物品之间的相似度，然后把与用户喜欢的物品相类似的物品推荐给用户。ItemCF算法并不利用物品的内容属性计算物品间的相似度，主要通过分析用户的行为记录计算物品之间的相似度。
+
  **步骤** 
+
 基于物品的协同过滤算法步骤：
 
 1.计算物品之间的相似度
 2.根据物品的相似度和用户的历史行为给用户生成推荐列表（购买了该商品的用户也经常购买的其他商品）
 
+
  **缺点** 
 
 1.数据稀疏性