diff --git a/fluid/README.cn.rst b/fluid/README.cn.rst
index e22f8c0c46f121fd5021af94a2faeaf28cc9b260..36e1b4927bdd0de6903a1b91fa3d20b38f752819 100644
--- a/fluid/README.cn.rst
+++ b/fluid/README.cn.rst
@@ -197,5 +197,4 @@ SimNet是百度自然语言处理部于2013年自主研发的语义匹配框架
 - `DNN for Click-Through Rate prediction <https://github.com/PaddlePaddle/models/blob/develop/fluid/PaddleRec/ctr/README.cn.md>`__
 
 基于DNN模型的点击率预估模型，使用的是Kaggle公司举办的展示广告竞赛中所使用的Criteo数据集。和论文DeepFM: A Factorization-Machine based Neural Network for CTR Prediction中的的dnn网络结构，
-经过一个pass的训练之后，测试数据集的AUC能达到0.8左右。
-能达到0.8左右。
\ No newline at end of file
+经过一个pass的训练之后，测试数据集的AUC能达到0.8左右。
\ No newline at end of file
diff --git a/fluid/README.md b/fluid/README.md
index a3bab6763056b9fd91fa586feb3fc77ff9cff44f..b5b5b70ffcc1aa9800b0261f6d99bcf13446831f 100644
--- a/fluid/README.md
+++ b/fluid/README.md
@@ -165,5 +165,4 @@ SimNet是百度自然语言处理部于2013年自主研发的语义匹配框架
 * [DNN for Click-Through Rate prediction](https://github.com/PaddlePaddle/models/blob/develop/fluid/PaddleRec/ctr/README.cn.md)
 
 基于DNN模型的点击率预估模型，使用的是Kaggle公司举办的展示广告竞赛中所使用的Criteo数据集。和论文DeepFM: A Factorization-Machine based Neural Network for CTR Prediction中的的dnn网络结构，
-经过一个pass的训练之后，测试数据集的AUC能达到0.8左右。
-能达到0.8左右。
\ No newline at end of file
+经过一个pass的训练之后，测试数据集的AUC能达到0.8左右。
\ No newline at end of file