对比文件的名称：2010-11-25_US2010299319A_发明申请_US20100299319A1 METHOD, APPARATUS, AND ARCHITECTURE FOR AUTOMATED INTERACTION BETWEEN SUBSCRIBERS AND ENTITIES
目标专利的名称：363在语义上融合上下文推断CN104823433B
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**：所述方法包括：在计算装置处使用来自与移动装置相关联的至少一个数据源的上下文相关数据确定第一上下文类别 | [0025] “The present invention may track movement of a subscriber in one or more physical or virtual spaces, including but not limited to: 1) geographic space monitored by the Global Positioning System, or by wireless access beacons (e.g., 802.11a/b/g, Bluetooth®, Global Systems for Mobile Communications (GSM), or others) with known physical locations, or by direct user entry of location data into a mobile device, or by direct or wireless connection of a mobile device to a communications device with a known physical location, or by other means...” <br> [0026] “Client devices may include hardware or software that monitors client movements, such as: (1) Global Positioning System (GPS) hardware and software for tracking device movement in physical space, (2) translation of wireless network access point (e.g., 802.11, Bluetooth®, GSM, or similar) identifiers to the physical locations of those access points, (3) direct user entry of location data into a mobile device, (4) direct or wireless connection of a mobile device to a communications device with a known physical location, (5) address recognition software for tracking movement within the World Wide Web's Universal Resource Locator (URL) address space, (6) dedicated medical monitoring hardware for tracking movement of a client subscriber's health within a virtual health space, or other possible application-oriented devices and spaces.” <br> [0028] “Server software mechanisms maintain several types of records in a distributed database... When a client device moves, it notifies the server software of its subscriber DBID, its own device DBID, the type of space in which it has moved, its new coordinates within that space, and its time of entry into that location. ... The server software mechanisms then search for other subscribers in the locale of the device with whom the mobile subscriber would normally be interested in establishing contact.” | **直接公开**。目标专利的技术特征A要求使用来自移动装置至少一个数据源的上下文相关数据来确定第一上下文类别。对比文件明确公开了客户端设备包含用于监视客户端移动的硬件或软件（例如GPS、Wi-Fi接入点、健康监测硬件等），这些硬件或软件即为“与移动装置相关联的至少一个数据源”。当设备移动时，它会将移动信息（如空间类型、新坐标、进入时间）通知服务器，服务器随后基于此信息（即“上下文相关数据”）在其所处区域（locale）内搜索其他订阅者。此过程相当于确定移动设备当前所处的“上下文类别”，例如在特定地理区域、URL地址空间或健康状态空间内。虽然对比文件更侧重于利用位置数据进行社交或商业匹配搜索，但其核心步骤“使用数据源的数据来确定设备所处的空间/位置状态”与本领域技术人员所理解的“确定上下文类别”（尤其是位置类别的确定）在技术实质上相同。因此，本领域技术人员能够毫无疑义地从对比文件得出该技术方案。 |
| **技术特征B**：在所述移动装置处至少部分通过融合所述第一上下文类别及不同于所述第一上下文类别的第二上下文类别来确定融合类别， | 对比文件中未发现明确描述将两个不同的“上下文类别”进行“融合”以确定一个新类别的技术内容。对比文件的核心机制是基于移动触发，通过关联（Associations）和偏好（Preferences）来搜索和匹配目标订阅者（例如，朋友、商家），这是一种信息检索和推荐逻辑，而非对多个上下文分类结果进行语义层面的融合以生成一个更广泛或更准确的新类别。 | **未直接公开且未隐含公开**。目标专利的技术特征B的核心在于“融合”两个不同的上下文类别以生成一个新的“融合类别”。对比文件公开的系统响应于订阅者的移动，利用其关联和偏好列表，在数据库中查找匹配的目标订阅者。这是一个基于预设规则（关联链、关键词查询）的搜索和过滤过程，其输出是符合条件的目标实体列表，而不是通过融合两个已确定的上下文状态来产生一个语义上更广泛的、新的分类标签。例如，目标专利中“坐”和“站立”融合为“静止”，而对比文件中，若一个订阅者有关联到“朋友A”和偏好“意大利餐厅”，系统会分别查找并可能返回这两个独立的结果，但不会将“朋友A”和“意大利餐厅”这两个概念融合成一个如“社交餐饮”之类的新类别。本领域技术人员无法从对比文件的搜索、匹配逻辑中合理推理出“类别融合”的操作。 |
| **技术特征C**：所述融合类别与所述第一上下文类别及所述第二上下文类别所共有的至少一个特性相关联， | 对比文件中未发现描述某个类别（无论是搜索结果还是其他）与两个不同输入类别所共有特性相关联的内容。 | **未直接公开且未隐含公开**。技术特征C限定了融合类别与它所融合的两个原始类别共享至少一个共同特性。这是对融合类别语义内涵的进一步定义。对比文件公开的系统输出（如推荐的商家或个人）可能与用户的多个偏好或关联都“相关”，但这种“相关”是搜索结果满足多个查询条件（如同时满足位置接近和关键词匹配），而非生成一个新类别并声明该新类别与原始查询类别在语义上共享特性。本领域技术人员无法从对比文件的匹配结果中推导出这种“共享特性”的语义关系定义。 |
| **技术特征D**：其中所述融合类别比所述第一上下文类别及所述第二上下文类别中的每一者范围广。 | 对比文件中未发现描述生成一个比输入类别“范围更广”的类别的技术内容。 | **未直接公开且未隐含公开**。技术特征D进一步限定融合类别在语义范围上比每个原始类别都更广泛（例如，“交通工具移动”比“驾驶”、“公交”、“地铁”各自的范围都广）。这是目标专利提高分类鲁棒性的关键。对比文件公开的系统旨在找到“特定”的、符合条件的目标（如某家餐厅、某个朋友），或者通过偏好找到一类目标（如所有意大利餐厅），但后者的“一类目标”是满足同一组关键词的个体集合，并非一个在语义上囊括了多个不同类别的新标签。系统没有意图也没有机制去创建一个更抽象、更广泛的上位类别来替代或概括多个具体类别。因此，该特征未被公开。 |
| **技术特征E**：其中所述融合类别具有相关联的标签，其在语义上囊封所述第一上下文类别的标签及所述第二上下文类别的标签。 | 对比文件中未发现描述为某个类别分配一个在语义上“囊封”其他类别标签的标签的技术内容。 | **未直接公开且未隐含公开**。技术特征E是特征D的具体表现形式，即通过标签的语义囊封关系来体现范围的广泛性。对比文件中，订阅者、关联、偏好都有标签（如“friend”， 关键词标签），但这些标签用于标识关系类型或搜索关键词，并不用于构建一个能语义囊封其他标签的新标签。本领域技术人员无法从对比文件的标签使用方式中推理出这种高级的语义封装关系。 |
| **技术特征F**：其进一步包括获得与初始分类相关联的用以确定所述第一上下文类别的信息。 | 对比文件中描述了服务器维护订阅者的关联（Associations）和偏好（Preferences）列表，并在移动时检查这些列表以寻找目标（[0029], [0031]）。这些关联和偏好可以被视为用于确定“与谁联系”或“寻找什么”的“信息”。然而，这些信息是直接用于搜索的长期存储的用户数据（社交关系、兴趣偏好），而非目标专利中所指的、从一个“初始分类”过程中获得的、用于辅助或修正最终上下文类别确定的动态信息（如置信度、分类器行为性质）。 | **未直接公开且未隐含公开**。目标专利的技术特征F中的“初始分类”及“与其相关联的信息”应结合说明书理解为：由目标状态分类器（230）执行的初步分类以及由此产生的附加信息（如置信度、可操作性）。对比文件公开的系统在启动搜索时，使用的是用户预先配置的静态数据（关联和偏好），这些数据直接定义了搜索的起点和规则，而非从一个可能不完美的“初始分类”结果中提取的辅助判断信息。两者在技术目的（直接搜索 vs. 优化分类）和信息的性质（静态配置 vs. 动态输出）上存在本质区别。因此，该特征未被公开。 |
| **技术特征G**：其中获得与所述初始分类相关联的所述信息包括获得与所述初始分类相关联的置信度值。 | 对比文件中未提及任何与分类或决策相关的“置信度值”。关联和偏好有“强度（strength）”字段，但其表示用户兴趣的长期权重或优先级（[0032], [0092]），并非针对某次具体数据分类结果的瞬时置信度度量。 | **未直接公开且未隐含公开**。目标专利中的“置信度值”特指分类器对某次分类结果可靠性的量化评估，是触发融合分类的关键判断依据。对比文件中的“强度（strength）”是一个用于对长期兴趣进行排序和衰减计算的静态或半静态参数，其作用是在众多关联/偏好中决定搜索顺序，以及在学习过程中进行调整。它不表示某次特定上下文感知的“置信度”。本领域技术人员无法将两者等同或进行合理推断。 |
| **技术特征H**：其中确定所述融合类别是响应于所述置信度值等于或低于阈值而执行。 | 对比文件中未提及基于“置信度值”与“阈值”的比较来触发任何特定操作。 | **未直接公开且未隐含公开**。该特征建立了低置信度触发融合的逻辑，是目标专利解决分类器不确定性的核心机制。对比文件中的搜索触发条件是“移动进入一个区域”，决策逻辑是基于关联/偏好的强度排序和位置/运动约束的匹配，完全不涉及对分类置信度的评估和阈值判断。因此，该特征未被公开。 |
| **技术特征I**：其中获得与所述初始分类相关联的所述信息包括识别所述初始分类的可操作性质。 | 对比文件中未提及任何关于分类器“可操作性质”的内容。 | **未直接公开且未隐含公开**。目标专利中的“可操作性质”指分类器已知的行为特性，如容易混淆某些状态，这是进行智能融合的依据之一。对比文件系统不具备这种对底层分类器行为进行建模和利用的机制。因此，该特征未被公开。 |
| **技术特征J**：其中确定所述融合类别是基于所述初始分类的所述可操作性质。 | 对比文件中未提及基于“可操作性质”来确定任何输出。 | **未直接公开且未隐含公开**。理由同特征I，该特征未被公开。 |
| **技术特征K**：其中所述上下文相关数据为与第一时间相关联的第一上下文相关数据，所述方法进一步包括使用与在所述第一时间之后的第二时间相关联的第二上下文相关数据确定所述第二上下文类别，且其中确定所述融合类别是基于所述第一上下文类别及所述第二上下文类别。 | 对比文件[0028]提到服务器维护设备位置的历史记录（至少最近两个位置），用于确定相对运动（Movement）关系（[0080]）。例如，系统可以检测用户是“移动进入（MovementInto）”某个区域。这涉及使用不同时间点的位置数据。然而，这种时间序列数据的应用是为了计算“移动”这一动态关系，以作为匹配关联/偏好中“移动约束”的条件（[0032]），其目的是筛选目标，而非独立确定“第二上下文类别”并与“第一上下文类别”进行融合以产生一个新类别。 | **未直接公开且未隐含公开**。目标专利的技术特征K强调了利用时间维度上连续的数据来确定两个（可能不同的）上下文类别，并基于这两个类别进行融合。这体现了在时间线上融合上下文推断的思想。对比文件虽然使用时间序列位置数据，但其用途是计算一个单一的、描述相对位置变化的“运动关系”状态，并将此状态作为激活某个关联或偏好的条件。整个过程不涉及确定两个独立的上下文类别，也不涉及将这两个类别融合。目的（计算运动状态以触发搜索 vs. 融合时间上的分类结果）和输出（触发/不触发搜索 vs. 生成融合类别）均不同。因此，该特征未被公开。 |
| **技术特征L**：其中确定所述第一上下文类别包括从多个预定的可用上下文类别中选择所述第一上下文类别。 | 对比文件未明确描述存在一个“预定的可用上下文类别”集合，并从该集合中选择某个类别作为确定结果。 | **未直接公开且未隐含公开**。目标专利的特征L表明上下文推断是在一个预定义的分类体系（如行走、跑步、驾驶、办公室、会议等）中进行的。对比文件系统的工作基础是用户和实体的数据库，以及用户自定义的关联和偏好，其“类别”更像是实体的类型（人、财产、机构）或用户自定义的标签（关键词），系统本身并未预定义一个固定的、可供选择的上下文状态集合。系统输出的是符合搜索条件的实体列表，而非从一个预定义集中选出的状态标签。因此，该特征未被公开。 |
| **技术特征M**：其中确定所述融合类别包括从多个预定的可用融合类别中选择所述融合类别。 | 对比文件中未描述存在“预定的可用融合类别”集合。 | **未直接公开且未隐含公开**。理由同特征L和D，对比文件系统不具备“融合类别”的概念，更不存在一个预定义的融合类别集合供选择。因此，该特征未被公开。 |
<<<A>>>