From 7be65723ea97ecb611e456b7d45c9e365bb028ed Mon Sep 17 00:00:00 2001 From: Qiao Longfei Date: Mon, 29 Oct 2018 19:39:11 +0800 Subject: [PATCH] fix typo --- fluid/README.cn.rst | 3 +-- fluid/README.md | 3 +-- 2 files changed, 2 insertions(+), 4 deletions(-) diff --git a/fluid/README.cn.rst b/fluid/README.cn.rst index e22f8c0c..36e1b492 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 `__ 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 a3bab676..b5b5b70f 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 -- GitLab