对比文件的名称：2011-05-26_US2011125678A_发明申请_US20110125678A1 GENERATING AN ACTIVITY INFERENCE MODEL FROM CONTEXTUAL DATA
目标专利的名称：363在语义上融合上下文推断CN104823433B
本次调用的模型名称：未指定
## 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《直接公开》 | [0035] “...the system collects a user's context traces, identifies hypothetical visits to various venues, and maps the venues to activity types.” <br> [0056] “...the system can learn that certain contextual information is more likely to be correlated with certain types of activities...” | 对比文件公开了系统接收用户的上下文轨迹（上下文相关数据），并确定活动类型（第一上下文类别）。例如，系统接收位置坐标等上下文信息（见[0025]-[0026]），并基于此推断用户可能喜欢的活动分布（见[0053]）。这完全对应于目标专利中“使用来自至少一个数据源的上下文相关数据确定第一上下文类别”的技术特征。本领域技术人员能毫无疑义地得出该技术方案。 |
| 技术特征B《隐含公开》 | [0036] “...the system generates a set of inference points. An inference point includes data values for a set of variables that indicate an association between a context trace, a venue, and an activity. The system also groups a set of substantially similar inference points to indicate an activity for the set of similar inference points.” <br> [0037] “...the system first groups inference points that are similar to form an activity cluster...” | 对比文件公开了生成“推理点”，每个推理点关联了上下文轨迹、场所和活动。然后，系统将相似的推理点分组形成“活动集群”。这个“活动集群”是基于多个相似推理点（每个推理点关联了不同的上下文和活动）形成的，其指示的活动类型在语义上覆盖了被分组的所有推理点所关联的活动类型。这实质上是通过融合多个上下文信息（第一上下文类别）来确定一个更广泛的活动集群类别（融合类别）。虽然对比文件未明确使用“融合”一词，但分组操作的本质就是在语义上合并多个类别。本领域技术人员通过阅读对比文件可以合理推断出该技术特征。 |
| 技术特征C《隐含公开》 | [0036] “...groups a set of substantially similar inference points...”，以及[0057]中关于计算上下文之间“相似性”的描述。 | 对比文件将“相似的推理点”分组为活动集群。相似性是基于多个上下文变量（如时间、位置等）定义的（见[0057]）。因此，所形成的活动集群（融合类别）与组内各个推理点所关联的活动（上下文类别）之间，必然共享导致它们被判定为“相似”的那些特性（例如，相同的时间段、相近的地理位置等）。这隐含公开了融合类别与多个上下文类别所共有的至少一个特性相关联。 |
| 技术特征D《隐含公开》 | [0037] “...the system can generate an activity inference model by analyzing fewer data points than would be required if the inference points were used directly. Furthermore, using the activity clusters allows the system to incorporate more user data into an activity inference model than would be possible if the inference points were used directly.” | 对比文件指出，使用活动集群（而非直接使用推理点）可以分析更少的数据点，并整合更多用户数据。这意味着活动集群是一个比单个推理点更概括、更高层次的抽象。单个推理点关联的是特定上下文下的具体活动，而活动集群关联的是覆盖一组相似上下文的概括性活动。因此，活动集群（融合类别）的范围比组内任一个推理点所关联的具体活动（上下文类别）更广。本领域技术人员可以合理推断出这一点。 |
| 技术特征E《未公开》 | 无对应内容。 | 对比文件描述了基于相似性对推理点进行分组形成活动集群，但并未公开为这些活动集群分配一个“在语义上囊封”其组内各个推理点活动标签的标签。虽然活动集群本身可以被赋予一个名称，但对比文件未描述此标签需满足“语义囊封”这一特定关系。因此，该技术特征未被对比文件公开。 |
| 技术特征F《未公开》 | 无对应内容。 | 对比文件公开了从上下文轨迹中直接推断或提取活动标签（见[0027], [0054]），但并未公开一个先获得“初始分类”及其相关信息，再基于此信息“确定第一上下文类别”的两步过程。目标专利中的“初始分类”特指目标状态分类器的输出，而对比文件的系统架构和流程中未体现此类分离的分类器及相应的信息获取步骤。 |
| 技术特征G《未公开》 | 无对应内容。 | 对比文件在计算活动类型分布时涉及概率（见[0053], [0059]），但并未公开为“初始分类”输出或关联一个明确的“置信度值”。目标专利中的“置信度值”特指分类器对其决策确信程度的量化输出，对比文件未涉及此概念。 |
| 技术特征H《未公开》 | 无对应内容。 | 由于对比文件未公开“置信度值”，自然也谈不上“响应于所述置信度值等于或低于阈值而执行”确定融合类别的步骤。该技术特征未被公开。 |
| 技术特征I《未公开》 | 无对应内容。 | 对比文件未提及识别“初始分类的可操作性质”，例如分类器的已知行为、混淆模式等属性。该技术特征未被公开。 |
| 技术特征J《未公开》 | 无对应内容。 | 由于对比文件未公开“初始分类的可操作性质”，因此也不可能基于此性质来确定融合类别。该技术特征未被公开。 |
| 技术特征K《未公开》 | [0034] “During the off-line preprocessing, the system collects a user's context traces...” <br> [0040] “...the system generates a set of inference points...”。 | 对比文件确实使用了历史上下文轨迹（包含不同时间的数据）来生成推理点和活动集群。但这发生在离线的模型训练阶段。目标专利特征K描述的是一个在线或实时方法：使用第一时间的数据确定第一上下文类别，再使用之后第二时间的数据确定第二上下文类别，然后基于两者确定融合类别。对比文件并未描述这种基于两个不同时间点的上下文数据实时、顺序地确定并融合两个上下文类别的操作流程。因此，该技术特征未被直接或隐含公开。 |
| 技术特征L《直接公开》 | [0047] “Note that in one embodiment the system maintains a set of mappings that correlate a venue to an activity type.” <br> [0054] “Furthermore, the system can generate a set of activity labels during operation 404, such that an activity label is associated with a location, and can include a distribution of various activity types.” | 对比文件明确公开了系统维护一组将场所映射到活动类型的映射关系（即预定的活动类型），并且在生成活动标签时，活动标签中包含了对各种活动类型的分布。这意味着系统是从一组预定义的活动类型（上下文类别）中进行选择或分配概率。这对应于目标专利中“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”。本领域技术人员能毫无疑义地得出该技术方案。 |
| 技术特征M《未公开》 | [0036]-[0037] 关于生成活动集群的描述。 | 对比文件公开了动态地基于推理点的相似性“生成”或“形成”活动集群（融合类别）。然而，并未公开存在“多个预定的可用融合类别”并从该预定集合中“选择”融合类别。对比文件中的活动集群是在分析过程中根据数据相似性聚类产生的，其类别并非预先定义好的固定集合。因此，该技术特征未被公开。 |
<<<A>>><<<L>>><<<b>>><<<c>>><<<d>>>