**对比文件名称**：2009-08-20_US2009210406A_发明申请_US20090210406A1 METHOD AND SYSTEM FOR CLUSTERING IDENTIFIED FORMS
**目标专利名称**：用于非平稳数据的凝聚群集的并行方法CN105247487B
**本次调用模型名称**：GPT-4
### 特征比对表格
| 技术特征描述及公开性判断结果 | 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》 | [0070] “crawler 204 is responsible for identifying the presence of a concept in a page...filter 208 receives forms from crawler 204 using first data interface 206.” | 对比文件公开了爬虫模块（crawler 204）和过滤器模块（filter 208），其中过滤器通过数据接口从爬虫“接收”（receives）表单文档流。虽然接收的对象是“表单文档流”（forms），而目标专利是“数据点流”，但两者都是持续输入的待处理数据流。在对比文件中，接收表单文档流是进行后续聚类处理的前提步骤，其作用与目标专利中“接收数据点流”作为群集流程的起点作用相同。因此，本领域技术人员能毫无疑义地得出对比文件公开了“接收数据流”这一技术特征。 |
| 技术特征B：确定多个群集质心 《直接公开》 | [0064] “Each cluster has an associated centroid vector in each feature space that is used to represent the cluster. The centroid vector of a cluster C is computed by taking an average...” [0066] “...a first centroid vector is calculated in a first feature space (i.e., document-feature space) for a cluster C... A second centroid vector is calculated in a second feature space (i.e., form-feature space) for the cluster C...” | 对比文件在描述聚类过程（如k均值聚类）时，明确公开了为每个聚类计算“质心向量”（centroid vector）来表示该聚类。质心向量通过对分配给该聚类的文档向量的平均值计算得出。该“质心向量”在对比文件中用于表征聚类中心，并用于计算文档与聚类间的相似度，其作用与目标专利中用于围绕其进行数据点群集的“群集质心”相同。因此，对比文件直接公开了“确定多个群集质心”。 |
| 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》 | [0034] “Adaptive form discovery and clustering application 100 is implemented in software... accessible by processor 112, which executes the instructions... Computing device 60 may include a plurality of processors...” [0024] “...the components of adaptive form discovery and clustering application 100 may be implemented in a single executable, in a single computing device, or in a plurality of computing devices which are located in a single location or in a single facility, and/or which may be remote from one another.” | 对比文件公开了应用可以在单个或多个计算设备（可能包含多个处理器）上实现。虽然未明确描述将质心集预先划分并分配给不同处理器独立处理，但其系统架构支持分布式/并行处理。考虑到聚类计算（如k均值）是计算密集型任务，且对比文件提及了在多设备上实现，本领域技术人员为了提升处理效率，有可能也合理推断出可以将待处理的数据集（包括其表征的质心）进行划分，并由不同的处理器或计算节点独立处理其子集。这种基于系统架构和任务性质进行的并行化推理，符合隐含公开宽松的判断标准。 |
| 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》 | [0034] “...adaptive form discovery and clustering application 100 may perform operations associated with clustering documents... The components... may be implemented... in a plurality of computing devices...” [0078] “Text segmenter 604 extracts textual features from the relevant forms. A text-based clustering process 608 clusters the relevant forms...” | 对比文件公开了聚类模块（clustering module 216）包含文本分割器（Text segmenter 604）和基于文本的聚类过程（text-based clustering process 608）。当系统在多个计算设备或处理器上实现时，待聚类的文档集合（即数据流）必然需要被分配（指派）给这些不同的处理单元进行处理。例如，文本分割和聚类过程需要在某个或某些处理器上执行，这隐含了数据（文档流）被指派给了执行这些逻辑的处理器。其作用是将数据处理任务分发，与目标专利中向处理单元指派数据流的一部分以进行并行处理的作用相同。因此，可以认为被直接公开。 |
| 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》 | [0076] “In an operation 776, the clusters of relevant forms are output. The clusters of relevant forms may be output by printing information associated with the clusters, displaying information associated with the clusters, and/or storing information associated with the clusters...” [0066] “The algorithm iterates over the remaining relevant documents, assigning each relevant document to the cluster whose centroid is most similar. The cluster centroids are recomputed.” | 对比文件描述了聚类算法（如k均值）迭代处理文档并将其分配到最相似的聚类，并重新计算质心，最终输出聚类结果（clusters）。虽然未明确使用“组合”一词，但整个聚类过程的最终结果是生成一个完整的、统一的聚类集合（即全局群集域）。在并行或分布式实现的场景下（技术特征C、D的隐含公开），不同处理单元产生的中间聚类结果最终需要被整合以形成这个统一的输出。本领域技术人员根据对比文件公开的生成最终聚类结果的目标，可以合理推断出需要将并行生成的子聚类结果进行“组合”的步骤。因此，该技术特征被隐含公开。 |
| 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》 | 无对应内容。 | 对比文件涉及对网络文档（特别是包含表单的网页）的聚类，其数据源是网络爬虫获取的文档。说明书全文未提及从物理传感器（如加速计、陀螺仪等）接收数据流。该特征限定了数据流的特定来源，对比文件未公开此内容，本领域技术人员也无法从对比文件内容中推理得出。 |
| 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》 | 无对应内容。 | 同特征F，对比文件完全不涉及传感器，更未具体公开加速计、陀螺仪、磁力计或话筒等特定传感器类型。 |
| 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》 | 无对应内容。 | 对比文件未描述如何具体地将数据（文档）分配给不同的处理单元。没有公开“循环方式”（round-robin）这一具体的负载均衡或分配策略。 |
| 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》 | 无对应内容。 | 对比文件未描述任何“阶层式方式”的数据指派方法。 |
| 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 《未公开》 | [0066] “...assigning each relevant document to the cluster whose centroid is most similar.” | 对比文件公开了在聚类算法中，将每个文档分配给最相似的质心（聚类）。这类似于目标专利中描述的数据点与质心的匹配过程。**然而**，此公开内容属于聚类算法本身的核心步骤（即距离计算与分配），而非目标专利中所述的、作为向不同线程/处理器“指派数据点流的一部分”的**具体实现方式**（如阶层式分发的第一步）。在对比文件中，该分配动作是聚类计算的一部分，并非用于在并行处理前对数据流进行分发的独立步骤。因此，对比文件未公开将此步骤作为“指派数据点流”的特征手段。 |
| 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。 《未公开》 | 无对应内容。 | 对比文件未公开根据数据点与某个质心的匹配结果，将该数据点进一步路由到特定线程或处理器的机制。 |
| 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》 | 无对应内容。 | 对比文件未公开任何关于质心数目与线程/处理器数目之间对应关系的内容。 |
| 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》 | 无对应内容。 | 对比文件未公开质心数目与处理单元数目的比较关系，也未公开基于质心关联的数据点计数来指派数据点到处理单元的方法。 |
| 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》 | 无对应内容。 | 对比文件未提及考虑处理单元速度的动态负载均衡策略。 |
| 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。 《隐含公开》 | [0064]-[0066] 描述了聚类算法为每个聚类计算质心，并将文档分配到最相似的聚类。 [0078] 描述了聚类过程（clustering process）对相关表单进行聚类。 | 结合技术特征C和D的隐含公开（将质心子集和数据分配给不同处理单元），以及对比文件明确公开的单个聚类过程（每个处理单元上运行的算法）会生成围绕其处理的质心的群集，本领域技术人员可以合理推断出：每个独立工作的处理单元会对其分配到的数据和质心子集执行聚类算法，从而生成围绕这些质心的一个或多个群集。 |
| 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。 《未公开》 | 无对应内容。 | 对比文件未描述处理单元开始生成聚类的具体触发时机（如“一旦开始接收数据即开始”）。 |
| 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。 《未公开》 | 无对应内容。 | 对比文件未提及在处理前对数据进行缓冲。 |
| 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。 《未公开》 | 无对应内容。 | 对比文件未公开出于减少数据处理量目的而主动丢弃数据点。其过滤器模块是基于内容相关性进行过滤，而非简单丢弃以减少数量。 |
| 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》 | 无对应内容。 | 同特征F、G，对比文件不涉及传感器，因此也不可能公开调整传感器采样率。 |
| 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》 | 无对应内容。 | 对比文件在输出聚类结果后，未描述任何进一步的“后处理”步骤（如数据挖掘）。其输出即是最终结果。 |
| 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。 《未公开》 | 无对应内容。 | 对比文件的系统描述基于通用计算设备（computing device 60），未限定为“用户装备”（UE，通常指移动终端）。其应用场景是服务器端的网络文档处理，而非终端设备上的流数据处理。 |
| 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。 《未公开》 | 无对应内容。 | 对比文件虽然提到组件可以在多个远程设备上实现，但这些设备是服务器或计算节点，并非“用户装备”（UE）。且未描述在多个UE上分布式处理。 |
<<<A>>><<<B>>><<<D>>>
<<<c>>><<<e>>><<<o>>>