**对比文件名称：** 2008-07-02_EP1939797A_发明公开_EP1939797A1 Method and apparatus for automatically determining a semantic classification of context data
**目标专利名称：** 363在语义上融合上下文推断CN104823433B
**模型名称：** DeepSeek-R1
### 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》**<br>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 | [0006] "... said method comprising: sampling by said mobile device one or more context data streams over time; applying a clustering algorithm to identify one or more clusters in the sampled context data; ..."<br>[0026] "The process is executed on a mobile device, which in operation 100 samples context data over one or more time periods. ... Once a sample period is over, in operation 110 there is applied a clustering algorithm to identify clusters in the sampled data." | 对比文件明确公开了移动设备对来自一个或多个数据源（如GPS、网络信标等）的上下文数据流进行采样，并应用聚类算法来识别数据中的一个或多个聚类（clusters）。此处的“聚类”即是对上下文数据的一种分类或分组，其作用和目标专利中的“确定第一上下文类别”相同，都是基于原始数据识别出有意义的上下文状态或类别。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B《未公开》**<br>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 | 未直接或隐含公开。 | 对比文件公开了识别聚类并为聚类赋予概念名称（concept name）。然而，该“概念名称”是基于单个聚类的参数（如时间、位置、邻近聚类等）由逻辑引擎直接确定的（例如，[0035]规则驱动、数据驱动、模型驱动方法），并未描述需要“融合”两个不同的、已确定的上下文类别（例如，“坐”和“站立”）来产生一个新的“融合类别”（例如，“静止”）。目标专利的核心“融合”操作在对比文件中没有对应教导或启示。 |
| **技术特征C《未公开》**<br>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 | 未直接或隐含公开。 | 如特征B所述，对比文件未公开通过融合两个不同类别来确定一个新类别的构思。因此，自然也未曾公开这个新类别（融合类别）与那两个原始类别之间“共有的至少一个特性”相关联这一具体关系。目标专利中“静止”类别与“坐”和“站立”共有的“非移动”特性，在对比文件的聚类命名逻辑中没有体现。 |
| **技术特征D《未公开》**<br>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。 | 未直接或隐含公开。 | 对比文件确实可能为一个聚类分配一个更广泛语义的概念名称（例如，将某个地点命名为“办公室”而非具体坐标）。但是，这并非通过融合两个不同的、范围更窄的类别来产生一个范围更广的类别。目标专利中“静止”在语义上比“坐”或“站立”更广泛，这种特定语义层次上的“范围更广”关系，在对比文件的命名机制中并未被揭示。 |
| **技术特征E《未公开》**<br>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。 | 未直接或隐含公开。 | 这是目标专利“语义融合”思想的核心表达。对比文件中逻辑引擎为聚类确定的“概念名称”是一个语义标签，但它是对单个聚类本身的描述，并非用于“囊封”两个其他已有类别标签的更高层次标签。例如，对比文件不会用“静止”这个标签来囊封“坐”和“站立”的标签。此特征未被公开。 |
| **技术特征F《直接公开》**<br>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。 | [0031] "... an automatic logic engine which determines a name for a cluster receives as an input the cluster derived from a clustering process, and then based on the parameters of a cluster the engine assigns a name to said cluster."<br>[0072] "A cluster found by the clustering algorithm is named ..." | 对比文件明确公开了，在为聚类（即初始分类）确定概念名称（相当于确定上下文类别）的过程中，逻辑引擎需要接收从聚类过程中得出的聚类作为输入，并基于该聚类的参数（parameters）进行命名。这些“聚类的参数”正是“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”。本领域技术人员可直接得出此技术方案。 |
| **技术特征G《隐含公开》**<br>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。 | [0062]-[0063] 描述了计算状态向量之间的转移概率、对转移矩阵进行剪枝（pruning），例如当“the number of occurrences is too low to reliably calculate the transition probabilities”或“the transition probability is close to zero to prevent noise”。[0066] 提及当用户在某个聚类中的总停留时间超过阈值时，才向用户建议命名该聚类。 | 对比文件虽然没有明确使用“置信度值（confidence value）”这一术语，但其聚类和命名过程隐含了对分类结果可靠性的评估。转移概率的高低、发生次数是否足够、停留时长是否超过阈值，这些都是本领域技术人员用于衡量分类（聚类）结果置信度或可靠性的常见指标。因此，本领域技术人员能够从对比文件公开的“转移概率”、“发生次数”、“停留时长”等信息中，合理推断出获得与初始分类（聚类）相关联的置信度（或可靠性度量）这一技术手段。 |
| **技术特征H《未公开》**<br>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。 | 未直接或隐含公开。 | 对比文件描述了基于聚类的参数（如时间、位置、邻近聚类名称等）来决定其概念名称，也隐含了评估聚类的可靠性（如特征G所述）。但并未公开任何这样的机制：当对一个初始分类的置信度较低（等于或低于阈值）时，会触发一个特定的操作——即去确定一个通过融合该初始类别与另一个不同类别而形成的“融合类别”。这一特定的响应逻辑在对比文件中没有依据。 |
| **技术特征I《隐含公开》**<br>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。 | [0066] "Mergers according to one embodiment are also proposed by the clustering mechanism, e.g. a merger is proposed if a new cluster candidate would form a bridge between existing context clusters."<br>[0072] 在集群实例的元数据（meta data）中包括了“merge recommendations”。 | 对比文件公开了聚类机制可以提出合并（merger）建议，以及聚类的元数据中包含合并推荐。这些“合并推荐”反映了该聚类在算法层面的行为倾向或特性，即其“可操作性质”——例如，该聚类容易与其他聚类合并。本领域技术人员可以理解，在获得聚类信息时，识别出此类由算法衍生出的、可用于后续操作（如合并、命名）的性质，是合理的和隐含的技术手段。 |
| **技术特征J《直接公开》**<br>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。 | [0066] "Mergers according to one embodiment are also proposed by the clustering mechanism, e.g. a merger is proposed if a new cluster candidate would form a bridge between existing context clusters."<br>[0080] 在描述自动确定概念名称时，提到了基于统计的方法，例如“if there are significantly many ... other clusters in close proximity ... and if a certain fraction of these clusters ... have the same label ... then assign the name of the already existing clusters to the new one.” | 对比文件明确公开了确定聚类名称（相当于目标专利中更广义的“确定类别”）是基于聚类的可操作性质。例如，当一个新聚类候选会在现有聚类之间形成桥梁时（即可合并的性质），会提出合并建议，这实质上影响了最终形成的聚类（可视为一种广义的“融合”结果）的范围和定义。又如，在数据驱动的命名方法中，基于新聚类与邻近已命名聚类的空间关系（一种性质）来决定其名称。这直接公开了基于初始分类（聚类）的可操作性质来确定最终分类（或融合后分类）的技术方案。 |
| **技术特征K《隐含公开》**<br>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。 | [0006] "sampling by said mobile device one or more context data streams over time;"<br>[0026] "The process ... samples context data over one or more time periods."<br>[0064] "The clusters detected in the most recent time period are then merged with the existing cluster base (resulting from earlier sampling and clustering), thereby resulting in extension or even merging of existing clusters." | 对比文件明确公开了对上下文数据流进行持续采样（随时间），并将新时间段检测到的聚类与先前时间段形成的已有聚类库进行合并。这隐含了使用不同时间段的上下文数据确定出聚类（上下文类别），并且基于新旧聚类（即第一上下文类别和第二上下文类别）进行合并（merging）操作。虽然对比文件的“合并”主要关注物理或算法上数据点的结合，而目标专利的“基于...确定融合类别”更侧重语义上的融合决策，但在“使用不同时间数据确定类别并基于它们产生新类别”这一整体技术手段上，本领域技术人员能够从对比文件的聚类合并过程中合理推断出来。 |
| **技术特征L《隐含公开》**<br>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。 | [0006] "... running a logic engine to automatically determine a concept name from a set of predefined concept names ..."<br>[0036] "The set of possible concept names from which the logic engine chooses may be part of an ontology." | 对比文件公开了逻辑引擎从一个预定义的概念名称集合（ontology）中自动确定聚类的概念名称。虽然这里直接描述的是为已识别的“聚类”选择“名称”，但本领域技术人员可以理解，被命名的“聚类”本身就是对上下文数据的一种分类（即上下文类别）。因此，确定这个聚类/类别的过程，隐含了其最终语义标签是从预定的可用类别（即预定义概念名称集）中选择的。逻辑引擎的运作前提就是存在这样一个预定义的类别集合。 |
| **技术特征M《隐含公开》**<br>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。 | [0006] "... running a logic engine to automatically determine a concept name from a set of predefined concept names ..."<br>[0036] "The set of possible concept names from which the logic engine chooses may be part of an ontology." | 与特征L同理，对比文件公开了为聚类（无论是初始聚类还是合并后的聚类）确定概念名称时，是从预定义的概念名称集合中选择的。在目标专利中，“融合类别”最终也体现为一个语义标签（如“静止”）。虽然目标专利的“融合类别”有其特定的生成逻辑，但其最终表现形式——一个语义类别标签——与对比文件中逻辑引擎输出的“概念名称”是类似的。因此，本领域技术人员能够从对比文件公开的“从预定义概念名称集中选择名称”这一手段，合理推断出“从多个预定的可用融合类别中选择融合类别”的技术方案。 |
<<<A>>><<<F>>><<<J>>><<<g>>><<<i>>><<<k>>><<<l>>><<<m>>>