对比文件名称：2011-04-20_EP1916828B_发明授权_EP1916828B1 Event-detection in multi-channel sensor-signal streams
目标专利名称：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<br>**《直接公开》** | [0001] The present invention relates to the detection of real-world contexts, activities and the like by processing of multi-channel signal streams produced by a set of sensors.<br>[0002] ... Devices of this kind range from mobile electronic devices (e.g. portable telephones, laptop computers, PDAs, etc) ...<br>[0003] By analyzing the multi-channel sensor-signal stream relating to a particular time period it is sometimes possible to detect the occurrence of particular contexts (or activities, internal states, interactions, etc.) that have occurred in relation to the device over that time period.<br>[0022] ... an “event” denotes a period in the multi-channel sensor stream when there is some homogeneity in the sensor signals and this period corresponds to a specific real-world situation relating, for example, to the context of use of a device/devices associated with the sensors, to the environment in which the sensors are located ... | 对比文件明确公开了一种方法，用于通过处理来自一组传感器的多通道信号流来检测现实世界的“上下文”（contexts）或“活动”（activities）（[0001]，[0003]）。该方法应用于移动电子设备（如便携电话、笔记本电脑、PDA等），即移动装置（[0002]）。其核心是通过分析来自至少一个数据源（传感器）的信号（上下文相关数据）来确定一个事件（event），该事件对应于一个特定的真实世界情境，例如与设备相关联的上下文（[0022]）。此“事件”或“上下文类别”的确定过程即为“确定第一上下文类别”。因此，本领域技术人员能够毫无疑义地得出对比文件公开了技术特征A。 |
| 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，<br>**《隐含公开》** | [0010] One heuristic approach that has been used for event-detection is to divide the multi-channel sensor-signal stream into a maximum number of elementary segments, each segment containing the multi-channel sensor signals for a sub-period ... Then, consecutive segments can be concatenated to form segments of greater length ...<br>[0047] ... a check is made as to which pair of segments has the smallest difference in terms of IDM ... the two segments which are found to have the closest pattern of coordination between the sensors correspond to real-world activities, contexts, etc. of the same nature. Accordingly, the category codes are adjusted so that these two segments will take the same category code ...<br>[0061] ... any consecutive segments which are now found to have the same category code are merged ... | 对比文件描述了事件检测的启发式方法，包括将信号流划分为基本段（第一上下文类别/第二上下文类别），然后将连续的、具有相似协调模式的段合并（concatenate/merge）成更长的段（[0010]，[0061]）。在第二实施例中，对比文件明确公开了为不同的段分配类别代码，并寻找具有最相似传感器协调模式（即信息距离矩阵IDM最相似）的两个段，调整它们的类别代码使其相同，并合并相邻的、具有相同类别代码的段（[0047]，[0061]）。将多个段（对应多个上下文类别）合并为一个具有共同类别代码的更大的段，这一过程实质上就是“融合”了这些段所代表的上下文类别，以确定一个新的、合并后的类别（融合类别）。因此，本领域技术人员完全有可能通过对比文件的内容合理推断出技术特征B。 |
| 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，<br>**《隐含公开》** | [0041] ... if the IDM associated with multi-channel sensors-signals generated during a particular time interval is relatively stable over that time period, then that IDM is often characteristic of an activity or context that is applicable during that time period.<br>[0047] ... the two segments which are found to have the closest pattern of coordination between the sensors correspond to real-world activities, contexts, etc. of the same nature. | 对比文件指出，稳定的信息距离矩阵（IDM）模式是特定活动或上下文的特征（[0041]）。当两个段（第一/第二上下文类别）具有最接近的传感器协调模式（即IDM最相似）时，它们对应于相同性质的真实世界活动或上下文（[0047]）。因此，被合并的段（即被融合的上下文类别）所共有的特性就是它们相似的传感器协调模式（IDM），这个共有特性使得它们被归为同一类别（融合类别）。所以，融合类别（合并后的段及其类别代码）与原始段（上下文类别）所共有的特性（相似的IDM模式）相关联。本领域技术人员能够合理推断出该特征。 |
| 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。<br>**《隐含公开》** | [0010] ... Then, consecutive segments can be concatenated to form segments of greater length ...<br>[0061] ... any consecutive segments which are now found to have the same category code are merged ... | 对比文件公开了将多个基本段（elementary segments）合并（concatenate/merge）成更长的段（segments of greater length）（[0010]，[0061]）。合并后的段在时间跨度上覆盖了原始段，因此其时间“范围”比每个原始段更广。虽然目标专利说明书强调“在语义上囊封”和“范围广”可能侧重于语义范畴，但对比文件公开的物理时间范围的合并和类别统一，为本领域技术人员提供了明确的启示：通过合并相似类别可以形成一个在覆盖范围（无论是时间还是所代表的上下文状态）上更广泛的类别。因此，可以合理推断对比文件隐含公开了技术特征D。 |
| 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。<br>**《隐含公开》** | [0047] ... the category codes are adjusted so that these two segments will take the same category code ...<br>[0061] ... any consecutive segments which are now found to have the same category code are merged ... | 对比文件在第二实施例中，为检测到的事件（段）分配类别代码（category codes）（[0047]）。当发现两个段具有最相似的协调模式时，调整它们的类别代码使其相同，然后合并相邻的具有相同代码的段（[0061]）。这个被赋予多个原始段的共同类别代码，实质上就是一个“标签”。由于这个共同类别代码是基于原始段共有的特性（相似的IDM模式）分配的，并且它被应用于合并后的、更广泛的段，因此该标签在含义上覆盖（囊封）了原始段所代表的上下文。虽然对比文件未明确使用“语义上囊封”的表述，但本领域技术人员能够从“分配相同类别代码并合并”的操作中，合理推断出该共同代码（标签）在语义上包含了被合并的原始段所代表的上下文含义。 |
| 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。<br>**《直接公开》** | [0010] One heuristic approach that has been used for event-detection is to divide the multi-channel sensor-signal stream into a maximum number of elementary segments ...<br>[0048] First of all a fine-grained segmentation of the multi-channel sensor-signal stream is created by dividing the time series T into p elementary segments of equal length ... | 对比文件详细描述了事件检测方法的第一步：将多通道传感器信号流划分为最大数量的基本段（elementary segments）或进行细粒度分割（[0010]，[0048]）。这种初始划分就是对信号流进行的“初始分类”，每个基本段可以视为一个初步的上下文类别或事件候选。后续确定主事件（即确定第一上下文类别）的过程，正是基于这些初始划分的段（初始分类）及其信息（如IDM）进行的。因此，“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”这一步骤已被对比文件直接公开。 |
| 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。<br>**《隐含公开》** | [0010] ... provided that the resultant merged segment still has a low “cost” as calculated according to the selected cost function.<br>[0048] ... a computation is performed for each segment in order to determine what would be the cost of merging this segment with the subsequent one. | 对比文件使用成本函数（cost function）来计算合并段所需的“成本”（cost），成本低意味着段之间的协调模式相似，适合合并（[0010]，[0048]）。这个“成本”值可以理解为对初始分类（基本段）之间相似性或合并可能性的量化评估。在目标专利中，“置信度值”用于衡量初始分类的可靠性，低置信度触发融合。虽然具体量化方式不同，但对比文件中的“成本”值起到了类似的作用：它是一个与初始分类（段）相关联的数值信息，用于指导后续是否进行合并（融合）的决策。本领域技术人员能够合理推断，使用此类数值指标（如成本、差异度、相似度）来评估分类或分段的质量是常见技术手段，因此对比文件隐含公开了获得与初始分类相关的类似“置信度”的数值信息。 |
| 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。<br>**《隐含公开》** | [0010] ... Then, consecutive segments can be concatenated to form segments of greater length, provided that the resultant merged segment still has a low “cost” as calculated according to the selected cost function.<br>[0048] ... a computation is performed for each segment in order to determine what would be the cost of merging this segment with the subsequent one. | 对比文件公开了合并操作的执行条件：仅当合并后的段具有较低的“成本”（low “cost”）时，才进行合并（[0010]）。在具体方法步骤中，需要计算合并每个段与后续段的成本（[0048]）。这里的“低成本”就是一个阈值判断。虽然“成本”和“置信度”数值意义可能相反（低成本对应高相似度/高可靠性），但其逻辑是相同的：都是基于一个与初始分类相关的数值（成本/置信度）与某个阈值（低/高）的比较结果，来触发后续的融合或合并操作。因此，本领域技术人员能够从对比文件公开的“基于低成本阈值决定合并”的逻辑中，合理推断出“基于低置信度阈值决定融合”的技术方案。 |
| 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。<br>**《未公开》** | 无对应内容。 | 目标专利说明书第[0046]段及权利要求中提到的“初始分类的可操作性质”，指的是分类器本身的行为特性，例如“已知原始分类器通常混淆状态的子集”（见说明书[0046]）。这是对分类器性能缺陷或倾向性的事先了解。对比文件全文仅涉及基于当前传感器信号计算信息距离矩阵（IDM）和成本，并据此进行分段与合并，完全没有提及或涉及任何关于初始分类器或分类过程本身的“可操作性质”（如易混淆性、已知误差模式等）的识别或利用。因此，对比文件既未直接公开也未隐含公开该技术特征。 |
| 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。<br>**《未公开》** | 无对应内容。 | 如上所述，对比文件未公开“识别初始分类的可操作性质”（特征I）。因此，自然也不可能公开基于此可操作性质来确定融合类别。对比文件确定是否合并段（相当于确定融合类别）完全基于当前信号段计算出的IDM相似度（成本），而不依赖于对分类器历史行为或固有性质的知识。因此，该技术特征未被对比文件公开。 |
| 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。<br>**《未公开》** | [0010] ... Then, consecutive segments can be concatenated to form segments of greater length ...<br>[0047] ... a search is made for the two segments having the most similar pattern of sensor coordination, regardless of whether or not the considered two segments are consecutive in time. | 对比文件公开了合并“连续的”段（[0010]），以及在第二实施例中寻找“最相似传感器协调模式的两个段”，而不管它们是否连续（[0047]）。这确实涉及不同时间的数据段。然而，目标专利的特征K明确限定了“基于所述第一上下文类别及所述第二上下文类别”来确定融合类别，这暗示了先独立确定两个上下文类别，再基于它们进行融合的“两步走”过程。对比文件的方法本质上是“自底向上”或聚类式的：它直接比较所有段的相似性，并将相似的段归为同一类或合并，其“类别”的确定（通过分配相同类别代码）与“融合”（合并）是同步或紧密交织的过程，并非先独立确定两个明确的上下文类别再进行语义融合。虽然结果上有相似之处，但具体实现路径和限定不同。因此，对比文件未公开该特定限定的技术特征。 |
| 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。<br>**《未公开》** | [0003] By analyzing the multi-channel sensor-signal stream ... it is sometimes possible to detect the occurrence of particular contexts ...<br>[0022] ... an “event” ... corresponds to a specific real-world situation ... | 对比文件公开了通过分析传感器信号流来“检测”（detect）或发现（corresponds to）特定的上下文或事件（[0003]，[0022]）。其过程是数据驱动的聚类或分割，并未描述存在一个“多个预定的可用上下文类别”的集合，然后从该集合中进行“选择”。对比文件中的“类别代码”是在检测和合并过程中动态分配或调整的标识符，并非从一个预先定义的固定列表中选择。因此，对比文件未公开该技术特征。 |
| 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。<br>**《未公开》** | [0047] ... the category codes are adjusted so that these two segments will take the same category code ... | 对比文件在合并段或调整类别时，是为相似的段分配“相同的类别代码”。这些类别代码可以是新分配的，也可以是调整现有的。但同样没有证据表明这些“融合类别”（即合并后段的类别代码）是来自一个“多个预定的可用融合类别”的固定集合。其类别代码的生成和分配更可能是算法运行过程中的动态结果，而非从一个预定集合中选择。因此，对比文件未公开该技术特征。 |
<<<A>>><<<b>>><<<c>>><<<d>>><<<e>>><<<F>>><<<g>>><<<h>>>