非显而易见法律服务网

技术特征描述以及公开性判断结果	对比文件原文引用	公开性论述
技术特征A：用第一预先训练的分类器来确定多个所存储图像的特征。<br>隐含公开	参见[0017]段：“...multi-pass message filter is trained during a first pass based on a result of a previously applied message filter...”。<br>参见[0030]段：“The classification model data represents a result of training the multi-pass message classifier for a specific set of messages within at least one message folder.”。	对比文件公开了使用“多遍消息过滤器”（multi-pass message filter）作为第一分类器，该过滤器在第一次遍历（第一遍）中基于先前应用的消息过滤器的结果被训练（trained），生成了一个临时的分类模型数据（classification model data）。虽然对比文件应用于消息（如邮件）过滤领域，而目标专利应用于图像处理领域，但“用分类器来确定特征”这一抽象功能步骤在对比文件中被隐含公开。对比文件中的“训练”过程可以对应于目标专利中“预先训练”的概念，且其分类器用于分析消息内容（可视为一种“特征”）。因此，本领域技术人员有可能通过推理认为，在图像处理领域，使用一个预先训练的分类器（如神经网络）来确定图像的特征是类似的技术手段。
技术特征B：所述多个所存储图像的特征不同于用于训练所述第一预先训练的分类器的多个训练图像。<br>未公开	无相关引用。	对比文件没有提及多遍消息过滤器的训练数据（即“多个训练图像/消息”）与它当前要处理的“多个所存储消息”之间是否不同。其训练是基于先前过滤器对当前消息的分类结果（见[0017]），并未说明训练集是独立于当前处理消息的另一组数据。因此，该技术特征未被直接或隐含公开。
技术特征C：至少部分地基于所确定的特征来将所述多个所存储图像中的每一个图像指派给多个群集中的群集。<br>隐含公开	参见[0018]段：“...the multi-pass message filter iterates through the message folders...to generate a classification model...useable in a second pass classification of the messages.”。<br>参见[0066]段：“...the multi-pass filter performs a quality inspection on results by other message filters...”。<br>参见[0071]段：“...using the generated second classification model data, the multi-pass message filter performs a second pass on the sorted plurality of messages to generate a misclassification identification...”。	对比文件公开了基于生成的分类模型（可视为基于消息内容特征），在第二遍中对已被其他过滤器分类（即“指派”）到各个消息文件夹（如收件箱、垃圾邮件箱等）的消息进行重新审视和识别。这里的“消息文件夹”对应于目标专利中的“群集”，将消息放入特定文件夹即是指派给一个群集。虽然对比文件的核心是识别误分类，但其整个流程建立在消息已被基于特征（通过第一遍分析获得）分类到不同文件夹（群集）的基础上。因此，本领域技术人员有可能推理出“基于特征将项目指派给群集”这一一般性步骤。
技术特征D：基于所述图像离对应于所述图像的最接近的群集中心的距离小于第一阈值、与所述最接近的群集中心相关联的预定义图像数目小于第二阈值、和/或与最接近的群集中心相关联的图像百分比小于第三阈值来向所述多个所存储图像中的图像指派标记。<br>未公开	无相关引用。	对比文件完全没有涉及“群集中心”、“距离阈值”、“预定义图像数目阈值”或“图像百分比阈值”等概念。其消息分类或标记指派是基于分类模型对消息内容的直接分析判断，而非基于与“中心”的距离或数量/百分比阈值。该技术特征未被公开。
技术特征E：修改所指派的标记。<br>隐含公开	参见[0055]段：“...MPC 246 provides a display of the misclassified messages to a user...to enable the user to move the misclassified messages to another message folder.”。<br>参见[0074]段：“The user may then select to leave the messages where they currently reside, or move one or more of them.”。	对比文件公开了向用户展示可能被误分类的消息，并允许用户将消息移动到另一个文件夹。移动消息到不同的文件夹，意味着改变了该消息所属的类别或“标记”。因此，这隐含了“修改所指派的标记”这一用户交互行为。
技术特征F：当所述所指派的标记被修改时用所述图像来重新训练所述第一预先训练的分类器。<br>未公开	无相关引用。	对比文件虽然允许用户移动消息（修改标记），但并未公开在用户进行此类操作后，会用这些被移动的消息（图像）来重新训练那个“多遍消息过滤器”（即第一预先训练的分类器）。相反，对比文件中的多遍过滤器模型在每次使用后即被删除（见[0031]，[0072]）。因此，该技术特征未被公开。
技术特征G：以及至少部分地基于所述预先训练的分类器来对所述图像重新分类。<br>隐含公开	参见[0018]段：“...the classifier uses the temporary classification model data in a second pass on the message folders to retrospectively inspect the messages...”。<br>参见[0071]段：“...the multi-pass message filter performs a second pass on the sorted plurality of messages to generate a misclassification identification...”。	对比文件明确公开了使用在第一次遍历中生成的临时分类模型（即基于第一次遍历“训练”后的分类器状态），在第二次遍历中对已分类的消息进行重新审视（retrospectively inspect），以识别可能误分类的消息。这个过程即是用更新后的分类器对消息进行“重新分类”或重新评估。因此，该技术特征被隐含公开。
技术特征H：其特征在于，所述第一预先训练的分类器是支持向量机器(SVM)、逻辑回归、最接近的邻居、或多层感知器(MLP)。<br>直接公开	参见[0013]段：“Non-exhaustive examples include Naïve Bayes, Support-Vector machines, logistic regression, perceptrons, ... neural networks, decision trees, or the like.”。	对比文件在列举分类器（过滤器）的示例时，明确提到了“Support-Vector machines”（支持向量机，即SVM）、“logistic regression”（逻辑回归）、“perceptrons”（感知器，多层感知器MLP是一种感知器网络）以及“neural networks”（神经网络）。虽然未明确提及“最接近的邻居”，但该列表是非穷举的（Non-exhaustive），并且SVM、逻辑回归和MLP已被明确公开。本领域技术人员能够毫无疑义地得出对比文件公开了这些分类器类型。
技术特征I：其特征在于，进一步包括，至少部分地基于对应的标记来将所述多个所存储图像中的图像分类到群中。<br>隐含公开	参见[0027]段：“...traditional message filters typically generate and/or otherwise employ classification data... to sort messages into one or more message folders...”。<br>参见[0065]段：“...spam filters 357 ... to sort the messages into various message folders.”。	对比文件公开了使用消息过滤器基于分类数据将消息分类（sort）到不同的消息文件夹（message folders）中。这里的“分类到文件夹”对应于目标专利中的“分类到群中”。虽然领域不同（消息vs图像），但“基于某种判断（标记）将项目分组”这一功能性步骤是相同的。因此，该技术特征被隐含公开。
技术特征J：其特征在于，进一步包括，至少部分地基于对应的群来将所述多个所存储图像中的每个图像放置到文件夹中。<br>隐含公开	参见[0027]段：“...sort messages into one or more message folders...”。<br>参见[0065]段：“...to sort the messages into various message folders.”。	与技术特征I类似，对比文件公开了将消息“放置到”（sort into）文件夹中。该操作是分类后的自然结果。因此，“基于群/分类将项目放入文件夹”这一步骤被隐含公开。
技术特征K：其特征在于，进一步包括，使用非特定名称来命名所述文件夹。<br>未公开	无相关引用。	对比文件提到了“inbox”（收件箱）、“spam folder”（垃圾邮件文件夹）等文件夹，这些都是具有特定含义的名称。对比文件没有提及使用“非特定名称”（如通用、无意义的名称）来命名文件夹。该技术特征未被公开。
技术特征L：其特征在于，进一步包括，使用第二预先训练的分类器来确定特定文件夹名称。<br>未公开	无相关引用。	对比文件没有涉及使用任何分类器来确定文件夹名称。文件夹名称（如收件箱、垃圾邮件）是预设的或用户定义的，而非由分类器确定。该技术特征未被公开。
技术特征M：其特征在于，进一步包括，使用所述第二预先训练的分类器、至少部分地基于与相关联的群的标记相关联的群集中心的分类来确定所述特定文件夹名称。<br>未公开	无相关引用。	该技术特征涉及“群集中心”和基于其分类来确定文件夹名称，对比文件完全没有相关描述。该技术特征未被公开。
技术特征N：其特征在于，所述特定文件夹名称进一步至少部分地基于关于给定文件夹的所标记图像的多数裁定规则来确定。<br>未公开	无相关引用。	对比文件没有涉及“多数裁定规则”来确定文件夹名称。该技术特征未被公开。
技术特征O：其特征在于，进一步包括，接收修改特定文件夹名称或指派新的特定文件夹名称的用户输入。<br>未公开	无相关引用。	对比文件没有描述接收用户输入以修改文件夹名称或创建新名称的功能。该技术特征未被公开。
技术特征P：其特征在于，进一步包括，至少部分地基于群集中心或者至少一个所标记的图像特征向量来重新训练第二预先训练的分类器以包括经修改的特定文件夹名称或所述新的特定文件夹名称。<br>未公开	无相关引用。	对比文件既未公开“第二预先训练的分类器”，也未公开基于“群集中心”或“图像特征向量”重新训练分类器以更新文件夹名称。该技术特征未被公开。
技术特征Q：其特征在于，进一步包括，至少部分地基于确定新图像的特征向量和应用所述分类器以确定所述新图像的群来将所述新图像放置在文件夹中。<br>隐含公开	参见[0066]段：“...the multi-pass filtering is performed after another message filter has moved or sorted messages into various message folders...”。<br>参见[0075]段：“...where more messages have been received by a server, or the like, that have not yet been classified. If there are more messages, process 400 may loop back to block 402 to continue processing.”。	对比文件的流程（图4的流程400）是一个持续的过程，可以处理新收到的消息。对于新消息，会经过初始消息过滤器（第一分类器）进行分类（这隐含了确定其特征并应用分类模型的过程），然后被放置到相应的文件夹中。虽然未明确使用“特征向量”一词，但分类器对消息内容的分析即隐含了特征提取与判断。因此，该技术特征被隐含公开。
技术特征R：其特征在于，进一步包括，接收修改所述所指派的标记的用户输入。<br>隐含公开	参见[0055]段：“...to enable the user to move the misclassified messages to another message folder.”。<br>参见[0074]段：“The user may then select to... move one or more of them.”。	与技术特征E的推理一致，用户移动消息到其他文件夹的行为，即是在修改该消息所指派的分类标记。因此，“接收修改所指派的标记的用户输入”这一步骤被隐含公开。
技术特征S：其特征在于，至少部分地基于将所述图像从第一文件夹移至第二文件夹的用户输入来修改所述所指派的标记。<br>隐含公开	参见[0055]段：“...to enable the user to move the misclassified messages to another message folder.”。<br>参见[0074]段：“The user may then select to... move one or more of them.”。	对比文件明确公开了用户可以通过将消息从一个文件夹移动到另一个文件夹来改变其分类。这个用户操作直接导致了消息所指派的标记（即其所属文件夹/类别）被修改。因此，该技术特征被隐含公开。
技术特征T：其特征在于，进一步包括，与第二用户共享至少一个分类器或群集中心列表。<br>未公开	无相关引用。	对比文件强调其多遍过滤器的分类模型是临时且驻留在内存中的，使用后即删除，以保护用户隐私（见[0031]）。没有提及与第二用户共享分类器或列表。该技术特征未被公开。
技术特征U：其特征在于，所共享的群集中心列表与所述第二用户的群集中心列表相组合以创建用于所述第二用户的图像的标记并且更新用于所述第二用户的分类器。<br>未公开	无相关引用。	该技术特征涉及共享与组合列表以更新分类器，对比文件完全没有相关描述。该技术特征未被公开。
技术特征V：其特征在于，进一步包括，与所述第二用户共享用户为类别或群集定义的种类。<br>未公开	无相关引用。	对比文件没有涉及用户定义种类并与其他用户共享的功能。该技术特征未被公开。