diff --git a/ltr/README.md b/ltr/README.md
index 3481934c4f60398cea8c2c388614ea33f0f21c42..e7de18ed2b48f6e184c0ab8ea1eab1dd0bc8c9bd 100644
--- a/ltr/README.md
+++ b/ltr/README.md
@@ -160,7 +160,11 @@ def ranknet(input_dim):
 ```python
 python ranknet.py
 ```
-将会自动下载数据，训练RankNet模型，并将每个轮次的模型存下来，并在测试数据上测试效果。
+将会自动下载数据，训练RankNet模型，并将每个轮次的模型存储下来。
+
+### rankNet模型预测
+
+本例子提供了rankNet模型的部署和预测。训练好的模型分为拓扑结构(需要注意rankcost不是模型拓扑结构的一部分)和参数文件两部分，复用了ranknet的模型结构文件，从外存中加载训练好的模型。模型预测的输入为单个文档的特征向量，模型会给出相关性得分。将预测得分排序即可得到最终的文档相关性排序结果。
 
 
 
@@ -284,9 +288,7 @@ def lambdaRank(input_dim):
 python lambdaRank.py
 ```
 
-将会自动下载数据，训练LambdaRank模型，并将每个轮次的模型存下来，将最终模型存储在文件中
-
-###  rankNet模型预测
+将会自动下载数据，训练LambdaRank模型，并将每个轮次的模型存储下来，将最终模型存储在文件中。