update the documents of Alink 1.5.6

Author: xuyang1706

docs/cn/Pipeline 组件/ONNX/ONNX 模型预测 (OnnxModelPredictor).md

@@ -26,6 +26,8 @@ Python 类名：OnnxModelPredictor
 
 组件使用的是 ONNX 1.11.0 版本，当有 GPU 时，自动使用 GPU 进行推理，否则使用 CPU 进行推理。
 
+在 Windows 下运行时，如果遇到 ```UnsatisfiedLinkError```，请下载 [Visual C++ 2019 Redistributable Packages](https://support.microsoft.com/en-us/help/2977003/the-latest-supported-visual-c-downloads) 并重启，然后重新运行。
+
 ## 参数说明
 
 | 名称 | 中文名称 | 描述 | 类型 | 是否必须？ | 取值范围 | 默认值 |

docs/cn/Pipeline 组件/PyTorch/TorchScript 模型预测 (TorchModelPredictor).md

@@ -22,7 +22,9 @@ Python 类名：TorchModelPredictor
 - 输出列的数量需要与模型输出结果匹配。
 - 输出类型可以是 Alink ```Tensor``` 类型或者 Alink 支持的类型，如果从模型预测输出的结果转换到指定类型失败那么将报错；暂不支持列表或字典类型。
 
-组件使用的是 PyTorch 1.8.1 版本，当有 GPU 时，自动使用 GPU 进行推理，否则使用 CPU 进行推理。
+组件使用的是 PyTorch 1.8.1 CPU 版本，如果需要使用 GPU 功能，可以自行替换插件文件。
+
+在 Windows 下运行时，如果遇到 ```UnsatisfiedLinkError```，请下载 [Visual C++ 2015 Redistributable Packages](https://support.microsoft.com/en-us/help/2977003/the-latest-supported-visual-c-downloads) 并重启，然后重新运行。
 
 ## 参数说明
 

docs/cn/Pipeline 组件/数据处理/Redis表查找 (LookupRedis).md

@@ -18,10 +18,9 @@ Python 类名：LookupRedis
 | selectedCols | 选择的列名 | 计算列对应的列名列表 | String[] | ✓ |  |  |
 | clusterMode | Not available! | Not available! | Boolean |  |  | false |
 | databaseIndex | Not available! | Not available! | Long |  |  |  |
-| redisIP | Not available! | Not available! | String |  |  |  |
+| pipelineSize | Not available! | Not available! | Integer |  |  | 1 |
 | redisIPs | Not available! | Not available! | String[] |  |  |  |
 | redisPassword | Not available! | Not available! | String |  |  |  |
-| redisPort | Not available! | Not available! | Integer |  |  | 6379 |
 | reservedCols | 算法保留列名 | 算法保留列 | String[] |  |  | null |
 | timeout | Not available! | Not available! | Integer |  |  |  |
 

docs/cn/批组件/ONNX/ONNX模型预测 (OnnxModelPredictBatchOp).md

@@ -26,6 +26,8 @@ Python 类名：OnnxModelPredictBatchOp
 
 组件使用的是 ONNX 1.11.0 版本，当有 GPU 时，自动使用 GPU 进行推理，否则使用 CPU 进行推理。
 
+在 Windows 下运行时，如果遇到 ```UnsatisfiedLinkError```，请下载 [Visual C++ 2019 Redistributable Packages](https://support.microsoft.com/en-us/help/2977003/the-latest-supported-visual-c-downloads) 并重启，然后重新运行。
+
 ## 参数说明
 
 | 名称 | 中文名称 | 描述 | 类型 | 是否必须？ | 取值范围 | 默认值 |

docs/cn/批组件/PyTorch/PyTorch模型预测 (TorchModelPredictBatchOp).md

@@ -22,7 +22,9 @@ Python 类名：TorchModelPredictBatchOp
 - 输出列的数量需要与模型输出结果匹配。
 - 输出类型可以是 Alink ```Tensor``` 类型或者 Alink 支持的类型，如果从模型预测输出的结果转换到指定类型失败那么将报错；暂不支持列表或字典类型。
 
-组件使用的是 PyTorch 1.8.1 版本，当有 GPU 时，自动使用 GPU 进行推理，否则使用 CPU 进行推理。
+组件使用的是 PyTorch 1.8.1 CPU 版本，如果需要使用 GPU 功能，可以自行替换插件文件。
+
+在 Windows 下运行时，如果遇到 ```UnsatisfiedLinkError```，请下载 [Visual C++ 2015 Redistributable Packages](https://support.microsoft.com/en-us/help/2977003/the-latest-supported-visual-c-downloads) 并重启，然后重新运行。
 
 ## 参数说明
 

docs/cn/批组件/图/MetaPath游走 (MetaPathWalkBatchOp).md

@@ -5,8 +5,9 @@ Python 类名：MetaPathWalkBatchOp
 
 
 ## 功能介绍
- MataPathWalk是描述随机游走的一种算法。在给定的图上，每次迭代过程中，点都会按照一定的metaPath转移到它的邻居上，
- 转移到每个邻居的概率和连接这两个点的边的Type相关。通过这样的随机游走可以获得固定长度的随机游走序列，这可以类比自然语言中的句子。
+MataPathWalk [1] 是描述随机游走的一种算法。在给定的图上，每次迭代过程中，点都会按照一定的metaPath转移到它的邻居上，转移到每个邻居的概率和连接这两个点的边的Type相关。通过这样的随机游走可以获得固定长度的随机游走序列，这可以类比自然语言中的句子。
+
+[1] Dong et al. metapath2vec: Scalable Representation Learning for Heterogeneous Networks. KDD2017.
 
 ## 参数说明
 

docs/cn/批组件/图/随机游走 (RandomWalkBatchOp).md

@@ -5,10 +5,12 @@ Python 类名：RandomWalkBatchOp
 
 
 ## 功能介绍
-RandomWalk是deepwalk中描述随机游走的一种算法。
+RandomWalk是deepwalk [1] 中描述随机游走的一种算法。
 在给定的图上，每次迭代过程中，点都会转移到它的邻居上，转移到每个邻居的概率和连接这两个点的边的权重相关。
 通过这样的随机游走可以获得固定长度的随机游走序列，这可以类比自然语言中的句子。
 
+[1] Bryan Perozzi et al. DeepWalk: online learning of social representations. KDD 2014.
+
 ## 参数说明
 
 | 名称 | 中文名称 | 描述 | 类型 | 是否必须？ | 取值范围 | 默认值 |

docs/cn/批组件/推荐/ItemCf训练 (ItemCfTrainBatchOp).md

@@ -5,9 +5,8 @@ Python 类名：ItemCfTrainBatchOp
 
 
 ## 功能介绍
-ItemCF 是一种被广泛使用的推荐算法，用给定打分数据训练一个推荐模型，
-用于预测user对item的评分、对user推荐itemlist，或者对item推荐userlist。
-
+ItemCF 是一种被广泛使用的协同过滤算法，用给定打分数据训练一个推荐模型，
+用于预测user对item的评分、对user喜欢的itemlist，或者对item推荐可能的userlist等。
 
 ## 参数说明
 

docs/cn/批组件/推荐/ItemCf：ItemsPerUser推荐 (ItemCfItemsPerUserRecommBatchOp).md

@@ -93,11 +93,11 @@ public class ItemCfItemsPerUserRecommBatchOpTest {
 ```
 
 ### 运行结果
-user|prediction_result
-----|-----------------
-1|{"item":"[3]","score":"[0.23533936216582085]"}
-2|{"item":"[3]","score":"[0.38953648389671724]"}
-2|{"item":"[3]","score":"[0.38953648389671724]"}
-4|{"item":"[2]","score":"[0.17950184794838112]"}
-4|{"item":"[2]","score":"[0.17950184794838112]"}
-4|{"item":"[2]","score":"[0.17950184794838112]"}
+user| prediction_result            
+----|------------------------------
+1| MTable(1,2)(item,score) <br> 3 &#124; 0.2353 <br>
+2| MTable(1,2)(item,score) <br> 3 &#124; 0.3895 <br>
+2| MTable(1,2)(item,score) <br> 3 &#124; 0.3895 <br> 
+4| MTable(1,2)(item,score) <br> 2 &#124; 0.1795 <br> 
+4| MTable(1,2)(item,score) <br> 2 &#124; 0.1795 <br> 
+4| MTable(1,2)(item,score) <br> 2 &#124; 0.1795 <br>

docs/cn/批组件/推荐/UserCf训练 (UserCfTrainBatchOp).md

@@ -5,9 +5,8 @@ Python 类名：UserCfTrainBatchOp
 
 
 ## 功能介绍
-UserCF 是一种被广泛使用的推荐算法，用给定打分数据训练一个推荐模型，
-用于预测user对item的评分、对user推荐itemlist，或者对item推荐userlist。
-
+UserCF 是一种被广泛使用的协同过滤算法，用给定打分数据训练一个推荐模型，
+用于预测user对item的评分、对user推荐itemlist，或者对item推荐userlist等。
 
 ## 参数说明