对比文件名称：2008-07-24_JP2008171418A_发明专利_JP2008171418A Method and apparatus for automatically determining semantic classification of context data
目标专利名称：363在语义上融合上下文推断CN104823433B
本次调用的模型名称：未提供
### 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 | [2]“ある携帯機器が１つ以上のコンテキストデータストリームを時間とともにサンプリングするステップと、サンプリングされたコンテキストデータにおいて１つ以上のクラスタを特定するためにクラスタリングアルゴリズムを適用するステップと”<br>（一个移动设备对一个或多个上下文数据流随时间进行采样的步骤；以及应用聚类算法来识别采样上下文数据中的一个或多个聚类的步骤） | **隐含公开**。对比文件公开了从移动设备的上下文数据流（数据源）中采样，并通过聚类算法识别出聚类。这些聚类（如“Home”、“Office”）即是确定的上下文类别。虽然对比文件未明确区分“第一”和“第二”上下文类别，且其聚类过程可能同时产生多个聚类，但本领域技术人员能够理解，通过该过程确定的任何一个聚类（例如，最先被识别或作为处理起点的聚类）均相当于“确定第一上下文类别”。因此，该技术特征被对比文件隐含公开。 |
| **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 | [2]“論理表現によりある概念名が割当てられている１つ以上の概念化されたクラスタを組み合わせ、ある概念名により表現されたタイプに属するものとして前記ユーザの状況を前記推論エンジンが自動的に分類できるようにし”<br>（通过逻辑表达组合一个或多个已被分配了概念名的概念化聚类，使得推理引擎能够自动将用户的状况分类为属于由某个概念名所表示的类型）<br>[2]“名前が付けられていないクラスタの概念名は、既に名前が付けられているクラスタの概念名に基づいて決定することができる。”<br>（未命名的聚类的概念名可以基于已经命名的聚类的概念名来决定。） | **隐含公开**。对比文件公开了推理引擎可以将多个已被赋予概念名的“概念化聚类”（即已确定的上下文类别）通过逻辑表达进行组合，从而自动推导出新的分类（即融合类别）。例如，将“Office”和“Office environment”两个概念名组合，推导出“Office time”这一新的概念名。这一过程正是通过融合（组合）两个不同的已有类别来确定一个新的、更广泛的类别。因此，该技术特征被对比文件隐含公开。 |
| **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 | [2]“例えば、位置概念Officeが上のように定義され、更に以下のような定義...を想定する場合、別のクラスタ概念リンク、例えば時間クラスタのOffice#hours（図５参照）、がその他の２つ（Office及びOffice#environment）から推論できる。”<br>（例如，假设位置概念Office按上述定义，并且进一步假设如下定义...，则可以从其他两个（Office和Office environment）推断出另一个聚类概念链接，例如时间聚类Office#hours（参见图5）。） | **直接公开**。对比文件明确描述了新的融合类别（如“Office#hours”）是从两个已有的类别（“Office”和“Office environment”）中推导出来的。这意味着融合类别与这两个原始类别共享某些特性（例如，都与“Office”这一语义相关）。图5所示的多个聚类（概念）的交叠（overlap/intersect）也直观体现了融合类别源自其组成部分共有的特性。因此，本领域技术人员能够毫无疑义地得出该技术方案。 |
| **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 | [2]“例えば、位置概念Officeが上のように定義され、更に以下のような定義...を想定する場合、別のクラスタ概念リンク、例えば時間クラスタのOffice#hours（図５参照）、がその他の２つ（Office及びOffice environment）から推論できる。”<br>（例如，假设位置概念Office按上述定义，并且进一步假设如下定义...，则可以从其他两个（Office和Office environment）推断出另一个聚类概念链接，例如时间聚类Office#hours（参见图5）。） | **直接公开**。对比文件中通过推理从“Office”和“Office environment”推导出“Office#hours”。这一新类别“Office#hours”在语义上结合了位置和环境信息，并引入了时间维度，其覆盖的范围（在办公室环境下的办公时间）自然比单独的“Office”（仅位置）或“Office environment”（仅环境）更广泛。这符合“范围更广”的特征。 |
| **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 | [2]“概念名は、サンプリングされたコンテキストパラメータの絶対的な値ではなく、定性的な表現によりクラスタのプロパティを表すラベルとすることができる。”<br>（概念名不是采样上下文参数的绝对值，而是可以是用定性表达表示聚类属性的标签。）<br>[2]“ユーザの状況を反映するために１つの論理表現として...組み合わせることができる。続いて、新たに構築された論理表現がオントロジーにおいて既にコード化されたナレッジに関して自動的に分類される。...結果として、新たな状況に応じた論理表現に対しオントロジーにおける新たな概念名を割当てることによって...ユーザの状況についての定性的なステートメントが作り出せる。”<br>（为了反映用户状况，可以组合成一个逻辑表达...随后，新构建的逻辑表达根据本体中已编码的知识自动分类...结果，通过将本体中的新概念名分配给新的情境逻辑表达...可以产生关于用户状况的定性陈述。） | **直接公开**。对比文件中的“概念名”（concept name）即是语义标签。通过组合已有的概念名（标签）形成逻辑表达，并自动分类或推导出新的概念名（如“important#meeting”），这个新概念名在语义上必然包含（囊封）了组合它的原始概念名所表达的含义。例如，“important#meeting”囊封了“多人参与”、“在个人Office内”、“在Office#hours期间”等多个概念标签的语义。因此，该特征被直接公开。 |
| **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 | [2]“推論エンジンは、受信した情報に基づいて所与の一連の公理の全ての結果を計算することができる。ここで、受信した情報は既に名前が付けられたクラスタの概念名とすることができる。”<br>（推理引擎能够基于接收到的信息计算给定一系列公理的所有结果。此处，接收到的信息可以是已命名聚类的概念名。） | **直接公开**。对比文件明确说明推理引擎在确定新概念名（相当于确定融合类别或其基础）时，需要接收“已命名聚类的概念名”作为输入信息。这些已命名的聚类概念名正是由初始分类（聚类和命名）过程产生的，用于后续推导。因此，“获得与初始分类相关联的...信息”这一步骤被直接公开。 |
| **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 | 对比文件说明书中未提及“置信度值”（confidence value）。提及了“蓋然性”（likelihood，概率）和阈值判断，但未明确将其与初始分类的置信度关联。 | **未直接或隐含公开**。对比文件在描述聚类命名或推理时，未涉及与初始分类决策相关联的“置信度值”这一概念。其提到的“概率”或“可能性”更多是用于统计规则或阈值判断，而非目标专利中所述的与特定初始分类输出直接绑定的置信度度量。本领域技术人员无法从对比文件中毫无疑义地得出或合理推断出该特征。 |
| **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 | 对比文件说明书中未提及基于分类置信度值低于阈值来触发融合类别的确定。 | **未直接或隐含公开**。由于对比文件未公开技术特征G（获得置信度值），因此自然也缺乏基于该置信度值与阈值比较来触发融合类别确定的技术方案。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 | [2]“既に名前が付けられたクラスタの概念名”（已命名聚类的概念名）以及这些概念名所关联的聚类参数（如时间边界、地理位置）构成了初始分类的“可操作性质”。推理引擎利用这些性质进行推导。<br>[2]“原始分类器通常混淆状态的子集且已知置信度值指示可能的混淆或不明确性”（此为目标专利内容，用于说明“可操作性质”的含义）。对比文件虽未使用相同术语，但其推理过程依赖于聚类参数（性质）和已知的语义关系（如定义、公理），这些可被视为分类器的“可操作性质”。 | **隐含公开**。对比文件中，推理引擎在决定新概念名时，所依赖的输入信息不仅包括已命名的概念名，还包括这些概念名背后聚类本身的参数和特性（如时间、位置、与其他聚类的关系等）。这些参数和特性定义了该初始分类（聚类）的行为和与其他类别的关系，实质上相当于“可操作性质”。本领域技术人员可以合理推断，要执行对比文件所述的逻辑推理，必须识别并利用这些性质。 |
| **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 | [2]“推論エンジンは、受信した情報に基づいて所与の一連の公理の全ての結果を計算することができる。...斯かる概念名は、推論エンジンによって論理表現へ組み合わせることでき、それにより、名前が付けられていないクラスタの概念名に対する結論が得られる。”<br>（推理引擎能够基于接收到的信息计算给定一系列公理的所有结果。...这样的概念名可以通过推理引擎组合成逻辑表达，从而得出未命名聚类的概念名的结论。） | **直接公开**。对比文件明确说明了确定新概念名（融合类别）的过程：推理引擎基于接收到的信息（即已命名聚类的概念名及其相关性质），应用公理和逻辑规则进行计算和组合，从而得出结论。这正是“基于所述初始分类的所述可操作性质确定所述融合类别”。因此，该特征被直接公开。 |
| **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 | [2]“一実施形態によれば、ある携帯機器が１つ以上のコンテキストデータストリームを時間とともにサンプリングするステップと”<br>（根据一个实施例，移动设备对一个或多个上下文数据流随时间进行采样的步骤。）<br>图5及相应描述展示了来自不同时间的数据流（例如，“時間”流）形成的聚类（“Office#hours”）与来自其他数据流（如位置、蓝牙环境）形成的聚类（“Office”、“Office environment”）相交叠，并基于此进行推理。 | **隐含公开**。对比文件公开了对上下文数据流进行“随时间”采样，这意味着数据具有时间属性。图5所示的实施例中，时间聚类（第二上下文类别，基于时间数据流）与位置聚类、环境聚类（第一上下文类别，基于其他数据流）相交叠，推理引擎基于这些不同时间或维度的类别（第一、第二上下文类别）进行组合推理，得出融合类别（如“Office#hours”）。本领域技术人员可以合理推断，要形成时间聚类，必然使用了在不同时间点采集的数据，并且融合是基于这些不同类别的。 |
| **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 | [2]“一連の所定の概念名からある概念名を、１つ以上の前記クラスタのセマンティック分類として、自動的に決定するために推論エンジンを実行するステップ”<br>（执行推理引擎以从一系列预定的概念名中自动决定一个概念名，作为所述一个或多个聚类的语义分类的步骤。）<br>[2]“概念名の集合はオントロジーの一部とすることができる。”<br>（概念名的集合可以是本体的一部分。） | **直接公开**。对比文件明确记载了概念名是从“一系列预定的概念名”或“本体”中自动选择决定的。当聚类算法识别出一个聚类后，为其赋予的概念名（即确定上下文类别）就是从这些预定的集合中选择的。因此，“从多个预定的可用上下文类别中选择”这一特征被直接公开。 |
| **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 | [2]“オントロジーは論理的理論のステートメントと見なすことができる。従って本発明の実施形態では、（概念名の集合を含む）オントロジーはコンテキストパラメータとそれらの意味の世界についてのナレッジを少なくとも部分的に表現する。”<br>（本体可被视为逻辑理论的陈述。因此，在本发明的实施例中，（包含概念名集合的）本体至少部分地表示了关于上下文参数及其意义世界的知识。）<br>推理引擎基于本体中的知识（公理、规则）推导出的新概念名，本身也是本体知识体系的一部分或可被纳入其中。 | **隐含公开**。对比文件中的融合类别（新概念名）是通过推理引擎应用本体中的公理和规则，对已有概念名进行逻辑组合后推导出的。这个推导过程本质上是从本体知识所定义或允许的语义空间中选择一个合适的新类别。虽然对比文件可能未显式列出所有“预定的可用融合类别”，但本领域技术人员可以理解，推理所基于的本体定义了概念之间的语义关系和可能的组合，其结果（融合类别）是从该本体所表达的潜在语义类别集合中选择出来的。因此，该特征被隐含公开。 |
<<<C>>><<<D>>><<<E>>><<<F>>><<<J>>><<<L>>><<<a>>><<<b>>><<<i>>><<<k>>><<<m>>>