对比文件名称：2012-05-01_US8170966B_发明授权_US08170966B1 Dynamic streaming message clustering for rapid spam-wave detection
目标专利名称：用于非平稳数据的凝聚群集的并行方法CN105247487B
本次调用的模型名称：GPT-4
| 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：包括：接收所述数据点流《直接公开》 | [0005] According to one aspect, a method comprises: receiving a message stream; | 对比文件公开了“接收消息流”（receiving a message stream）。在对比文件中，消息流是需要被聚类分析的数据输入，其作用与目标专利中作为聚类处理对象的数据点流相同。因此，该技术特征被对比文件直接公开。 |
| 技术特征B：确定多个群集质心《直接公开》 | [0111] ...cluster trainer 64 may compute a set of new cluster centroids for the training buffer messages... | 对比文件在描述训练引擎时，明确公开了“计算一组新的集群质心”（compute a set of new cluster centroids）。这是其聚类算法中的核心步骤，用于代表数据集群，与目标专利中确定多个群集质心的作用相同。因此，该技术特征被对比文件直接公开。 |
| 技术特征C：将所述多个群集质心划分成多个群集质心群，其中每个群集质心群包含所述多个群集质心的子集并由多个线程和/或处理器中不同的线程和/或处理器独立地采用《隐含公开》 | [0097] ...breaking up a large collection of messages into conveniently sized subsets of messages and dynamically creating representative clusters for each subset of messages... 以及系统整体涉及多处理器/分布式环境（例如[0005]的系统、[0033]的网络和服务器）。 | 对比文件提到了将大的消息集合分解成方便大小的子集，并为每个子集动态创建代表集群。虽然未明确表述将预先确定的质心集划分给不同的处理器，但本领域技术人员可以合理推断，在并行或分布式处理系统中，为了实现为不同数据子集创建集群的任务，将集群质心（或计算任务）的集合划分给不同的处理单元（线程/处理器）独立处理，是一种常见的并行化策略。因此，该技术特征被对比文件隐含公开。 |
| 技术特征D：向所述多个线程和/或处理器中的每个线程和/或处理器指派所述数据点流的一部分《直接公开》 | [0097] ...breaking up a large collection of messages into conveniently sized subsets of messages... | 对比文件明确公开了将大的消息集合“分解”（breaking up）成多个子集（subsets of messages）。在具有多个处理单元（如服务器、处理器）的系统中（参见[0005], [0033]），将数据流（消息集合）的不同子集分配给不同处理单元进行处理是必然的隐含步骤。因此，该技术特征被对比文件直接公开。 |
| 技术特征E：以及组合由所述多个线程和/或处理器生成的多个群集以生成全局群集域。《隐含公开》 | [0075] Step 514 may further comprise removing data corresponding to a subset of clusters from parameters 54... [0095] ...merging the set of known spam data stored in cluster history 55 with the set of new centroids computed by cluster trainer 64 within the current training cycle. | 对比文件描述了在训练周期结束时，将新计算的质心集与已知的垃圾邮件数据（即历史集群集）合并（merging），并输出更新的集群参数。这个过程实质上就是将新生成的集群与已有集群组合，形成一个更新后的、更全面的全局集群集合（即“全局群集域”）。虽然未使用“组合”和“全局群集域”的表述，但实现的功能相同。因此，该技术特征被对比文件隐含公开。 |
| 技术特征F：其特征在于，所述接收包括：从一个或多个传感器接收所述数据点流。《未公开》 | 对比文件中的消息流来自网络通信（例如电子邮件），如[0033]所述“An email message sent by sender system 18... is received at mail system 14”。未提及从传感器接收。 | 目标专利中“从一个或多个传感器接收”特指从加速计、陀螺仪等物理传感器获取数据流，用于移动设备上的实时处理。对比文件接收的是网络传输的电子消息（如电子邮件），其数据来源和技术领域（通信 vs. 传感数据处理）完全不同，作用也不同。因此，对比文件既未直接公开也未隐含公开该技术特征。 |
| 技术特征G：其特征在于，所述一个或多个传感器是加速计、陀螺仪、磁力计、或话筒中的一者或多者。《未公开》 | 未提及任何传感器。 | 对比文件完全不涉及加速计、陀螺仪、磁力计或话筒等物理传感器。因此，该技术特征未被公开。 |
| 技术特征H：其特征在于，所述数据点流按循环方式被指派给所述多个线程和/或处理器。《未公开》 | 未提及“循环方式”（round-robin）的指派策略。 | 对比文件虽然公开了将数据分解成子集，但未具体说明指派数据子集给处理单元时所采用的具体调度策略（如循环方式）。因此，该技术特征未被公开。 |
| 技术特征I：其特征在于，所述数据点流按阶层式方式被指派给所述多个线程和/或处理器。《未公开》 | 未提及“阶层式方式”（hierarchical）的指派策略。 | 对比文件未公开任何阶层式的数据指派方法。因此，该技术特征未被公开。 |
| 技术特征J：其特征在于，指派所述数据点流的一部分包括：将接收到的数据点指派给所述多个群集质心中的一个群集质心《隐含公开》 | [0067] ...message x is considered to belong to a spam cluster if... the hyperspace distance between the feature vector of message x and the cluster's centroid is smaller than or equal to a cluster-specific threshold. | 对比文件公开了通过计算消息特征向量与集群质心之间的距离，来判断消息是否属于某个集群。这实质上就是将接收到的数据点（消息）基于距离度量“指派”给一个质心（或其代表的集群）。虽然“指派”一词可能未明确使用，但该操作是聚类算法的核心步骤之一。因此，该技术特征被对比文件隐含公开。 |
| 技术特征K：以及将所述接收到的数据点指派给与所述多个群集质心中的这一个群集质心相对应的线程或处理器。《隐含公开》 | 结合技术特征J的隐含公开，以及系统涉及多处理器/处理数据子集（[0097]）。 | 在对比文件的并行/分布式处理语境下，如果数据根据其所属的质心/集群进行了分类（如技术特征J所述），那么本领域技术人员可以合理推断，可以将属于同一质心/集群的数据子集进一步指派给专门负责处理该集群的特定线程或处理器，以实现并行化处理。这是一种合理的逻辑延伸。因此，该技术特征被对比文件隐含公开。 |
| 技术特征L：其特征在于，所述多个群集质心中的群集质心数目对应于线程和/或处理器数目。《未公开》 | 未讨论集群质心数目与线程/处理器数目之间的对应关系。 | 对比文件未提及集群质心的数量需要与可用的处理单元（线程/处理器）的数量相匹配或对应。因此，该技术特征未被公开。 |
| 技术特征M：其特征在于，所述多个群集质心中的群集质心数目大于线程和/或处理器数目，并且其中所述接收到的数据点基于与所述多个群集质心中的每个群集质心相关联的数据点计数被指派给线程或处理器。《未公开》 | 未讨论当质心数多于处理器数时，基于数据点计数进行指派的方案。 | 对比文件完全没有涉及这种特定情况（质心数>处理器数）下的数据指派策略，特别是基于数据点计数的指派方法。因此，该技术特征未被公开。 |
| 技术特征N：其特征在于，所述数据点流基于所述多个线程和/或处理器中的每个线程和/或处理器的速度被指派给所述多个线程和/或处理器。《未公开》 | 未提及根据处理器的速度来指派数据。 | 对比文件未公开任何基于处理器性能或速度进行负载均衡的数据指派方法。因此，该技术特征未被公开。 |
| 技术特征O：其特征在于，所述多个线程和/或处理器中的每个线程和/或处理器生成围绕向所述多个线程和/或处理器中的每个线程和/或处理器置备的一个或多个质心的一个或多个群集。《直接公开》 | [0097] ...dynamically creating representative clusters for each subset of messages... 以及整个训练过程（图11，步骤508-510）描述了为数据子集创建和更新集群（质心）。 | 对比文件明确公开了为每个消息子集动态创建代表集群。在分布式/并行处理背景下，这等同于每个处理单元为其负责的数据子集生成一个或多个集群（围绕其置备或计算出的质心）。因此，该技术特征被对比文件直接公开。 |
| 技术特征P：其特征在于，所述多个线程和/或处理器中的每个线程和/或处理器在其开始接收所述数据点流的所述部分时开始生成所述一个或多个群集。《隐含公开》 | 系统处理消息流（[0005]），并对子集进行动态聚类（[0097]）。 | 对比文件描述了处理消息流并动态创建集群的系统。本领域技术人员可以合理推断，为了实现对数据流的实时或近实时处理（如快速检测垃圾邮件波），处理单元在开始接收其数据子集后就会尽快开始聚类计算，而不是等待所有数据到达。这是一种符合系统目标的隐含操作模式。因此，该技术特征被对比文件隐含公开。 |
| 技术特征Q：其特征在于，所述多个线程和/或处理器中的每个线程和/或处理器在开始生成所述一个或多个群集之前缓冲所述部分的数据点中的一个或多个数据点。《隐含公开》 | [0061] ...assembling a training buffer 124 of messages from stream 24... | 对比文件明确公开了从消息流中“组装”（assembling）一个训练缓冲区（buffer）。这表明系统会将数据（消息）先进行缓冲，然后再提供给训练引擎进行处理（生成/更新集群）。虽然缓冲可能发生在更高层（如消息选择器），但本领域技术人员可以合理推断，在处理单元级别也可能存在数据缓冲机制，以管理数据流和计算节奏。因此，该技术特征被对比文件隐含公开。 |
| 技术特征R：其特征在于，还包括：丢弃所述数据点流中的数据点以减少所述数据点流中的数据点数目。《隐含公开》 | [0062] ...training buffer 124 may contain only unique spam messages (multiple copies of the same message are discarded... | 对比文件公开了在构建训练缓冲区时，会丢弃重复的消息（multiple copies... are discarded）。这虽然是为了保证数据独特性，但客观上也起到了减少待处理数据点数目的作用。目标专利中丢弃数据点是为了解决数据量过大、难以处理的问题，目的虽不完全相同，但“丢弃数据以减少数量”这一手段已被对比文件部分公开。因此，该技术特征被对比文件隐含公开。 |
| 技术特征S：其特征在于，还包括：降低生成所述数据点流的一个或多个传感器的采样率以减少所述数据点流中的数据点数目。《未公开》 | 未涉及任何传感器，更未提及降低传感器采样率。 | 对比文件完全不涉及传感器数据采集，因此不可能公开降低传感器采样率的技术特征。因此，该技术特征未被公开。 |
| 技术特征T：其特征在于，还包括：对所述全局群集域执行后处理。《未公开》 | 未提及对最终组合后的全局集群域进行“后处理”（如数据挖掘）。集群参数更新后直接用于过滤。 | 对比文件在生成更新的集群参数后，主要用于消息分类/过滤，并未描述对集群域本身进行进一步的分析、挖掘或优化等后处理步骤。因此，该技术特征未被公开。 |
| 技术特征U：其特征在于，所述多个处理器和/或线程驻留在一用户装备上。《隐含公开》 | 系统可以部署在客户端（如[0033]的“recipient client systems 20”包括分类器）或服务器端。处理器/线程驻留在单一设备（无论是客户端还是服务器）上是常见的系统部署方式。 | 对比文件描述了包含处理器和逻辑的系统，可以部署在用户装备（如客户端计算机，见图2-A，2-B）上。虽然也提及了服务器端部署，但“驻留在一用户装备上”只是其中一种可能的、且被公开的实施方式。因此，该技术特征被对比文件隐含公开。 |
| 技术特征V：其特征在于，所述多个处理器和/或线程驻留在多个用户装备上。《隐含公开》 | [0033] ...A network 16 connects sender system 18, recipient mail system 14, filter training system 12, and recipient client systems 20. | 对比文件公开了通过网络连接多个系统（包括多个收件人客户端系统20）。在分布式计算中，处理任务（如聚类训练或分类）完全可以分布在网络连接的多个用户设备（客户端）上协同完成。虽然对比文件未明确描述将聚类计算任务分配给多个用户设备上的处理器/线程，但基于其公开的分布式系统架构，本领域技术人员可以合理推断出这种分布式的处理方式是可能的。因此，该技术特征被对比文件隐含公开。 |
<<<A>>><<<B>>><<<D>>><<<O>>> <<<c>>><<<e>>><<<j>>><<<k>>><<<p>>><<<q>>><<<r>>><<<u>>><<<v>>>