Update readme (PaddlePaddle#979)

* fix the multi-label text classification readme

* update examples readme

* update examples list

Author: linjieccc

examples/README.md

@@ -8,6 +8,7 @@
 | **目录**  | **主题**                                           | 简要说明                                                      |
 | --------------------- | ------------------------------------------------------------ | ------------------------------------------------------------ |
 | benchmark/glue   | GLUE Benchmark                                    | GLUE是当今使用最为普遍的自然语言理解评测基准数据集，评测数据涵盖新闻、电影、百科等许多领域，其中有简单的句子，也有困难的句子。本项目是 GLUE评测任务 在 Paddle 2.0上的开源实现                       |
+| dependency_parsing/ddparser       | 句法分析     | 提供了一个基于ddparser的句法分析任务实现示例。      |
 | dialogue | 该目录下涵盖了多个对话系统相关的例子| 如dgu 对话通用理解模型, LIC 2021对话比赛基线, PLATO-2 开放域机器人 UnifiedTransformer 适合对话生成任务的Transfer网络。|
 | few_shot       | 小样本学习                                           | 提供简单易用、全面、前沿的 FSL 策略库，如P-tuning，EFL等。           |
 | information_extraction    | 信息抽取 | 提供了多个数据集上的信息抽取基线实现。包含快递单信息抽取， MSRA-NER 数据集命名实体识别，LIC2021 DuIE 关系抽取基线，LIC2021 DuEE 事件抽取基线 |

examples/text_classification/multi_label/README.md

@@ -67,7 +67,7 @@ python -m paddle.distributed.launch --gpus "0" train.py --device gpu --save_dir
 * `device`: 选用什么设备进行训练，可选cpu或gpu。如使用gpu训练则参数gpus指定GPU卡号。
 * `data_path`: 可选，数据集文件路径，默认数据集存放在当前目录data文件夹下。
 
-代码示例中使用的预训练模型是BERT，可以选择的`model`有`bert-base-uncased`，`bert-large-uncased`，`bert-base-cased`和`bert-large-cased`。
+代码示例中使用的预训练模型是BERT，如果想要使用其他预训练模型如ERNIE等，只需要更换`model`和`tokenizer`即可。
 
 程序运行时将会自动进行训练，评估。同时训练过程中会自动保存模型在指定的`save_dir`中。
 如：