fix

models/treebased/README.md

@@ -5,7 +5,6 @@
 
 以上内容将随paddle版本迭代不断更新，欢迎您关注该代码库。
 
-#
 ## TDM设计思路
 
 ### 基本概念
@@ -25,6 +24,4 @@ TDM是为大规模推荐系统设计的、能承载任意先进模型来高效
    - 如何组网？答：paddle封装了大量的深度学习OP，用户可以根据需求设计自己的网络结构。
    - 训练数据如何组织？答：tdm的训练数据主要为：`user/query emb` 加 `item`的正样本，`item`需要映射到树的某个叶子节点。用户只需准备符合该构成的数据即可。负样本的生成，会基于用户提供的树结构，以及paddle提供的`tdm-sampler op`完成高效的负采样，并自动添加相应的label，参与tdm中深度学习模型的训练。
    - 大规模的数据与模型训练如何实现？答：基于paddle优秀的大规模参数服务器分布式能力，可以实现高效的分布式训练。基于paddle-fleet api，学习门槛极低，且可以灵活的支持增量训练，流式训练等业务需求。
-3. 训练好模型后，可以基于paddle，将检索与打分等流程都融入paddle的组网中，生成inference_model与参数文件，基于PaddlePaddle的预测库或者PaddleLite进行快速部署与高效检索。
-
-#
\ No newline at end of file
+3. 训练好模型后，可以基于paddle，将检索与打分等流程都融入paddle的组网中，生成inference_model与参数文件，基于PaddlePaddle的预测库或者PaddleLite进行快速部署与高效检索。
\ No newline at end of file