Update readme.md

AcademicTrends/readme.md

@@ -62,11 +62,29 @@
 - 初赛赛制：
   选手报名成功后，选手下载数据，在初赛阶段可以本地完成数据统计分析，通过赛题页左侧提交入口提交结果；
   初赛阶段提交后将进行实时评测；每天每支队伍可提交2次；排行榜每小时更新，按照评测指标得分从高到低排序；排行榜将选择历史最优成绩进行展示；
+  
+在初赛阶段，需要参赛选手统计如下统计任务：
+
+- 任务1：论文数量统计（数据统计任务）：统计2019年全年，计算机各个方向论文数量；
+- 任务2：论文作者统计（数据统计任务）：统计所有论文作者出现评率Top10的姓名；
+- 任务3：论文代码统计（数据统计任务）：统计所有论文类别下包含源代码论文的比例；
+- 任务4：论文分类（数据建模任务）：利用已有数据建模，对新论文进行类别分类；
+- 任务5：作者关联（数据建模任务）：对论文作者关系进行建模，统计最常出现的作者关系；
+
+初赛阶段评分规则：利用准确率进行打分，选手可以在天池平台提交结果参与排行。
 
 - 复赛赛制：
   在复赛阶段，选手沿用初赛的赛题数据。根据自身需要完成数据分析，并进行可视化等相应操作。
   复赛阶段需要所有选手在规定时间完成，并将可视化结果和代码公布在比赛论坛内部，并根据大众评审（帖子star数量）和举办方评审后得到最终排名；
 
+在复赛阶段，需要参赛选手完成自己的可视化任务（可自定义任务和具体分析目标），以下任务仅供参考：
+
+- 任务1：统计分析每个类别论文在不同时期的热门关键词，分析arXiv论文常见关键词的发展趋势，并进行统计可视化；
+- 任务2：统计分析每个类别论文综述句子的长度、情感和定冠词，并进行可视化；
+- 任务3：统计分析论文作者的关联度，通过关联挖掘进行分析；
+
+复赛阶段评分规则：根据需要参赛选手在天池论坛公开代码，并以统计时期帖子star数量为标准（star相同则以fork为标准，fork相同则以浏览量为标准）。
+
 ### 长期赛
 
 在正式赛后，本场比赛将长期开放，报名和参赛无时间限制。
@@ -96,26 +114,6 @@ arXiv公开的数据集格式如下：
 数据集来源：
 [https://www.kaggle.com/Cornell-University/arxiv](https://www.kaggle.com/Cornell-University/arxiv)
 
-### 评测标准
-
-在初赛阶段，需要参赛选手统计如下统计任务：
-
-- 任务1：论文数量统计（数据统计任务）：统计2019年全年，计算机各个方向论文数量；
-- 任务2：论文作者统计（数据统计任务）：统计所有论文作者出现评率Top10的姓名；
-- 任务3：论文代码统计（数据统计任务）：统计所有论文类别下包含源代码论文的比例；
-- 任务4：论文分类（数据建模任务）：利用已有数据建模，对新论文进行类别分类；
-- 任务5：作者关联（数据建模任务）：对论文作者关系进行建模，统计最常出现的作者关系；
-
-初赛阶段评分规则：利用准确率进行打分，选手可以在天池平台提交结果参与排行。
-
-在复赛阶段，需要参赛选手完成自己的可视化任务（可自定义任务和具体分析目标），以下任务仅供参考：
-
-- 任务1：统计分析每个类别论文在不同时期的热门关键词，分析arXiv论文常见关键词的发展趋势，并进行统计可视化；
-- 任务2：统计分析每个类别论文综述句子的长度、情感和定冠词，并进行可视化；
-- 任务3：统计分析论文作者的关联度，通过关联挖掘进行分析；
-
-复赛阶段评分规则：根据需要参赛选手在天池论坛公开代码，并以统计时期帖子star数量为标准（star相同则以fork为标准，fork相同则以浏览量为标准）。
-
 
 ## 致谢
 特别感谢 [@LSGOMYP](https://github.com/LSGOMYP) 对本项目的帮助与支持。