[DOC]Update documents

docs/source/tutorial/zh/pretrain.rst

@@ -16,19 +16,6 @@
    from EduNLP.I2V import get_pretrained_i2v
    from EduNLP.Vector import get_pretrained_t2v
 
-
-装载模型
---------
-
-将所得到的模型传入I2V模块即可装载模型
-
-Examples：
-
-::
-
-   >>> model_path = "../test_model/test_gensim_luna_stem_tf_d2v_256.bin"
-   >>> i2v = D2V("text","d2v",filepath=model_path, pretrained_t2v = False)
-
 训练模型
 ------------
 
@@ -55,6 +42,18 @@ Examples：
    train_vector(sif_items, "../../../data/w2v/gensim_luna_stem_tf_", 10, method="d2v")
 
 
+装载模型
+--------
+
+将所得到的模型传入I2V模块即可装载模型
+
+Examples：
+
+::
+
+   >>> model_path = "../test_model/test_gensim_luna_stem_tf_d2v_256.bin"
+   >>> i2v = D2V("text","d2v",filepath=model_path, pretrained_t2v = False)
+
 公开模型一览
 ------------
 

docs/source/tutorial/zh/tokenize.rst

@@ -140,6 +140,11 @@ PureTextTokenizer
    '0', '\\right', '\\}', ',', '\\quad', 'B', '=', '\\{', '-', '4', ',', '1', ',', '3', ',', '5', '\\}', ',',
    '\\quad', 'A', '\\cap', 'B', '=']
 
+GensimWordTokenizer
++++++++++++++++++++++++
+
+此令牌解析器在默认情况下对传入的item中的图片、题目空缺符等部分转换成特殊字符进行保护，从而对文本、公式、标签、分隔符进行令牌化操作。此外，从令牌化方法而言，此令牌解析器对文本均采用线性的分析方法，而对公式采用抽象语法树的分析方法，提供了general参数可供使用者选择：当general为true的时候则代表着传入的item并非标准格式，此时对公式也使用线性的分析方法；当general为false时则代表使用抽象语法树的方法对公式进行解析。
+
 GensimSegTokenizer
 ++++++++++++++++++++
 
@@ -150,11 +155,6 @@ GensimSegTokenizer
 * 提供了切分深度的选项，即可以在sep标签或者tag标签处进行切割
 * 默认在item组分（如text、formula）的头部插入开始标签
 
-GensimWordTokenizer
-+++++++++++++++++++++++
-
-此令牌解析器在默认情况下对传入的item中的图片、题目空缺符等部分转换成特殊字符进行保护，从而对文本、公式、标签、分隔符进行令牌化操作。此外，从令牌化方法而言，此令牌解析器对文本均采用线性的分析方法，而对公式采用抽象语法树的分析方法，提供了general参数可供使用者选择：当general为true的时候则代表着传入的item并非标准格式，此时对公式也使用线性的分析方法；当general为false时则代表使用抽象语法树的方法对公式进行解析。
-
 Examples
 ----------