diff --git a/published/20190730 Using Python to explore Google-s Natural Language API.md b/published/20190730 Using Python to explore Google-s Natural Language API.md
index 5e839ef551..5141eae275 100644
--- a/published/20190730 Using Python to explore Google-s Natural Language API.md	
+++ b/published/20190730 Using Python to explore Google-s Natural Language API.md	
@@ -224,7 +224,7 @@ pull_googlenlp(client,url)
 
 有些实体类型在所有示例中返回的显著性为零，因此我从下面的图表中省略了这些结果。
 
-![突出性与最佳排名位置的相关性][27]
+![显著性与最佳排名位置的相关性][27]
 
 “Consumer Good（消费性商品）” 实体类型具有最高的正相关性，<ruby>皮尔森相关度<rt>Pearson correlation</rt></ruby>为 0.15854，尽管由于较低编号的排名更好，所以 “Person” 实体的结果最好，相关度为 -0.15483。这是一个非常小的样本集，尤其是对于单个实体类型，我不能对数据做太多的判断。我没有发现任何具有强相关性的值，但是 “Person” 实体最有意义。网站通常都有关于其首席执行官和其他主要雇员的页面，这些页面很可能在这些查询的搜索结果方面做得好。