摘要：本发明涉及治疗脊髓损伤的方法及组合物，涉及来自非人动物，尤其是禽类和非人哺乳动物的羊水的使用。本发明的组合物可以是含有所述羊水的细胞培养基，也可以是药物组合物。

摘要：本申请提供一种获取运动矢量的方法、视频码流处理方法和设备，涉及视频编解码技术领域。其中获取运动矢量的方法包括：从运动信息候选集合中导出初始块矢量；基于所述初始块矢量进行链式运动矢量构建，得到基于块矢量引导的链式运动矢量。本申请实施例，利用与当前块存在关联的块矢量作为初始引导矢量，引导出的链式运动矢量可以作为运动矢量预测候选，提升运动矢量预测候选的丰富性。

摘要：本发明提供一种含水性聚氨酯的皮革微乳液清洗剂组合物，包括以下成分：(a)5～30重量份的多元非离子表面活性剂；(b)3～15重量份的皮革加脂剂；(c)1～13重量份的复合水性聚氨酯防晒整理剂；(d)1～8重量份的阳离子杀菌剂；(e)0～0.2重量份的水溶性香精；(f)含水载体至100重量份。本发明的组合物用作皮革清洗剂，除具备基本的去污、去渍的功效外，还具备防晒护色、柔软顺滑、防霉抑菌、耐水抗污、持久留香的功效。

摘要：本发明公开一种基于大数据文本挖掘的消费者政策感知挖掘方法及系统，包括：在相关政府网站和社交平台采集特定领域政策文本数据及消费者评论文本数据；对采集的文本数据进行预处理，包括去重、降噪、短句处理；基于机器识别和专家知识语料库对专业词汇进行深入挖掘并构建政策语料库；基于消费者评论并结合政策语料库对消费者政策感知挖掘分析。本发明充分利用网络舆论信息，从消费者政策感知角度，对消费者评论文本进行挖掘，并且建立消费者政策感知挖掘的专家知识语料库，从而较大程度提升文本分词效果，并结合自然语言处理等技术，更加系统、准确地挖掘分析消费者对政策的感知状态，为优化政策供给，提高政策精准性和效益性提供建议。

摘要：本发明公开基于“政策‑舆论‑购买”双阶深度学习的销量预测方法，包括：在相关政府网站和政策数据库采集目标领域政策文本；识别政策标题中的实体，从政策正文抽取关键词，通过规则筛选后将词组组合形成最终的政策舆论检索关键词；在网络舆情平台搜索政策舆论检索关键词，获取相应舆情数据并进行指标量化；结合政策数据本身属性和历史舆情数据利用BP神经网络模型建立政策‑舆论的预测模型。对于新政策的舆情预测，输出为新政策的舆论预测指标；结合舆论关注度等舆论预测指标，利用引进果蝇优化算法的FOASVR模型对销量进行预测。本发明通过建立“政策‑舆情‑购买”双阶段预测模型，提高了政策对市场购买行为影响效果的预测准确率。

摘要：本公开提供了一种作品生成方法、装置、电子设备及存储介质，其中，该方法包括：接收用户输入的多个维度下的初始作品信息；所述多个维度包括作品场景、作品角色、和作品梗概中的至少一种；展示根据所述初始作品信息生成的补充提示信息；所述补充提示信息用于提示对目标维度下的初始作品信息进行补充；根据基于所述补充提示信息进行补充后的初始作品信息，生成并展示作品提纲信息；所述作品提纲信息包括作品大纲信息和作品细纲信息，每条作品大纲对应多条作品细纲；响应于基于所述作品提纲信息发起的作品生成请求，生成并展示与所述作品提纲信息对应的目标作品。

摘要：本申请实施例提出了一种信号的确定方法、装置、存储介质及电子装置，该方法包括：确定第一预测模式的预测信息；在确定预测信息来自第二预测模式的情况下，根据所述第二预测模式采用的技术的信号中确定第一预测模式采用的技术的信号。采用上述技术方案，解决了相关技术中在IBC合并预测模式下无法确定第一预测模式采用的技术的信号的问题。

摘要：本申请提出一种帧内预测方法、设备及存储介质。该方法包括：根据编码单元中当前子分区的当前模板类型和模板相关性构建对应的目标帧内预测模式I PM候选集合；基于所述目标I PM候选集合中的其中一个帧内预测模式对所述当前子分区进行帧内预测。

摘要：本申请提出一种视频处理方法、设备及存储介质。应用于解码端的视频处理方法包括：接收视频图像码流，以及视频图像码流对应的第一顺序指示信息；其中，第一顺序指示信息用于指示消息集合中每个消息的处理顺序，在消息集合中至少包括一个第一类型消息；在至少一个第一类型消息无法被处理的情况下，确定第一顺序指示信息所关联每个消息的消息处理规则；根据消息处理规则对第一顺序指示信息进行处理；根据处理后的第一顺序指示信息对视频图像码流进行处理。

摘要：本公开提供一种自适应参数集的管理方法、装置、设备及存储介质，涉及视频编码技术领域，用于解决视频滤波过程中存在降低ALF APS历史候选集的充盈度的问题，包括：获取目标视频块对应的目标视频类别和/或目标视频特征。根据目标视频类别和/或目标视频特征，确定每个决策因子的修正因子。根据目标修正因子，对每个决策因子进行修正，得到多个修正后的决策因子，一个修正后的决策因子指示进行滤波的概率大于修正前的决策因子指示进行滤波的概率，且一个修正后的决策因子指示在滤波时使用新APS的概率大于修正前的决策因子指示在滤波时使用新APS的概率。根据每个修正后的决策因子，将得到的至少一个新APS存储至历史候选集。