对比文件名称：2009-09-17_WO2009114301A_发明申请_WO2009114301A2 CONTEXT AWARE DATA PROCESSING IN MOBILE COMPUTING DEVICE
目标专利名称：363在语义上融合上下文推断CN104823433B
模型名称：DeepSeek最新版本模型
| 技术特征描述以及公开性判断结果 | 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》 | [0044] 传感器被配置为处理数据并将其聚合到一个或多个上下文属性中，例如可用性、活动和位置。传感器可以处理数据以便在一个或多个上下文类别中提供一个或多个输出值。<br>[0074] 传感器400被配置为处理检测到的特征，并从相应的数据库402，404，406中分配一个值作为“最佳猜测”，用于关联数据处理装置的使用上下文的可用性、活动和位置中的一个或多个。 | 对比文件公开了传感器（相当于计算装置中的组件）处理检测到的数据（即上下文相关数据），并产生针对一个或多个上下文类别（如可用性、活动、位置）的输出值或“最佳猜测”值（参见[0044], [0074]）。这直接对应于目标专利中“使用上下文相关数据确定第一上下文类别”的技术特征。传感器处理的数据来自数据源（如电话应用、GPS、环境传感器等），这些数据源与移动装置（即数据处理装置）相关联。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该特征。 |
| **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》 | [0045] 在存在多个传感器102的情况下，上下文引擎模块104可以被配置为解决从传感器102接收的数据中的任何不一致之处，并可选择地向传感器提供反馈，使得相应的置信度因子可以根据传感器是否生成正确的上下文属性值而增加或减少。<br>[0053] 上下文引擎212可以通过确定来自插件202，204的输入信号206，208，210中最可能出现的值来生成最终输出信号216，218和220。在一个实施例中，这可能涉及选择从多个插件202，204接收的输入信号206，208，210中最常出现的值，并且还可能涉及选择接收到的输入信号206，208，210中具有最高置信度的值。 | 对比文件公开了上下文引擎接收来自多个传感器（插件）的输入信号（每个信号代表一个上下文类别，如可用性、活动、位置的值及其置信度），并通过处理这些输入（例如，解决不一致、选择最常出现或最高置信度的值）来生成最终的上下文值（参见[0045]，[0053]）。这个过程本质上是将多个输入（这些输入可被视为不同的上下文类别，例如来自不同传感器的“可用性”值）进行组合或“融合”，以产生一个最终的决定。虽然对比文件没有明确使用“融合”一词，但其描述的“处理多个输入以生成最终输出”的过程，在功能上等同于目标专利中“通过融合第一上下文类别及第二上下文类别来确定融合类别”的步骤。本领域技术人员阅读对比文件后，能够合理推断出通过组合多个分类输入来确定一个最终类别（或值）的技术方案。因此，该技术特征被隐含公开。 |
| **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，<br>《未公开》 | （无对应内容） | 对比文件虽然描述了组合多个输入以生成最终输出，但并未揭示该最终输出（或最终值）在语义上与它所融合的输入类别共享“至少一个特性”。目标专利强调的是融合类别在语义上囊封了输入类别的标签（见特征E），或与输入类别有共同的特性（例如，“静止”是“坐”和“站立”共有的运动状态特性）。对比文件的上下文引擎进行的是基于频率或置信度的统计选择（例如，选择“不可用”是因为它出现最多或置信度最高），并未描述最终输出值在语义上概括或代表了输入值集合的共性。因此，对比文件未公开该特征。 |
| **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>《未公开》 | （无对应内容） | 对比文件未描述最终生成的上下文值（例如，最终的“可用性”值）在语义范围上比它所基于的输入值（例如，来自不同传感器的“可用性”值）更广。目标专利的“融合类别”明确是比被融合的各个“上下文类别”范围更广的类别（例如，“静止”比“坐”或“站立”范围更广）。对比文件中的上下文引擎可能只是从多个候选值中选择一个（例如，从多个“可用性”值中选择一个“不可用”），这个被选中的值本身并不一定是比候选值更广泛的类别。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。<br>《未公开》 | （无对应内容） | 对比文件完全没有提及最终上下文值（融合类别）的标签具有“在语义上囊封”其输入类别标签的特性。这是目标专利的核心发明点之一，旨在通过语义上更广泛的标签（如“静止”）来概括一组更具体的标签（如“坐”、“站立”），以提高推断的稳健性。对比文件中上下文引擎的输出标签（例如，“可用”、“不可用”、“在会议中”）与输入标签处于同一语义层次，并未体现出这种语义上的包含关系。因此，该特征未被公开。 |
| **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。<br>《直接公开》 | [0044] 传感器可以处理数据以便在一个或多个上下文类别中提供一个或多个输出值。<br>[0045] 传感器102还被配置为提供一个置信度因子，指示该属性值正确的可能性。 | 对比文件公开了传感器在处理数据后，会为每个输出的上下文属性值（即初始分类）提供一个置信度因子（参见[0044], [0045]）。这个“置信度因子”就是与初始分类（传感器输出的值）相关联的信息，它被用于后续的上下文引擎处理以确定最终的上下文值。因此，获得与初始分类相关的信息（此处为置信度因子）这一特征被直接公开。 |
| **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。<br>《直接公开》 | [0044] 传感器可以处理数据以便在一个或多个上下文类别中提供一个或多个输出值。<br>[0045] 传感器102还被配置为提供一个置信度因子，指示该属性值正确的可能性。<br>[0075] 传感器400还为这些值408，412，416中的每一个分配一个置信度因子410，414，418。 | 对比文件多次明确记载，传感器在输出其确定的上下文类别值（即“最佳猜测”的可用性、活动、位置）时，会同时为每个值提供一个置信度因子（参见[0045], [0075]）。这直接对应于目标专利中“获得与所述初始分类相关联的置信度值”。因此，该特征被直接公开。 |
| **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>《未公开》 | （无对应内容） | 对比文件描述了上下文引擎在处理时会使用置信度因子（例如，选择具有最高置信度的值，或对置信度进行加权求和，参见[0053]），但并未描述“确定最终值（融合类别）”这一操作是“响应于置信度值等于或低于阈值”而触发的。目标专利中，当初始分类的置信度低（不合需要）时，会触发融合分类器产生一个更广泛的融合类别。对比文件没有揭示这种基于低置信度阈值来触发生成一个不同类型（更广泛）类别的机制。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。<br>《未公开》 | （无对应内容） | 对比文件提到了传感器或上下文引擎可能具有“已知行为”或可以通过反馈学习来提高准确性（例如，[0116]，[0123]），但并未明确描述“识别初始分类的可操作性质”。“可操作性质”在目标专利中特指分类器在区分某些状态时已知的困难或混淆趋势（例如，分类器通常混淆“坐”与“站立”）。对比文件没有公开这种针对特定分类器混淆模式的具体识别。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。<br>《未公开》 | （无对应内容） | 由于对比文件未公开“识别初始分类的可操作性质”（特征I），因此基于该性质来确定融合类别的特征J自然也未被公开。目标专利中基于已知的混淆模式（可操作性质）来选择更广泛的融合类别（例如，因常混淆“坐”和“站立”而输出“静止”）的方案，在对比文件中没有对应描述。 |
| **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》 | （无对应内容） | 对比文件描述了传感器可以周期性地或基于事件生成输出（[0077]），并且上下文引擎会处理来自多个传感器的当前输入。然而，对比文件并未明确描述这样一种机制：使用第一时间的第一数据确定第一上下文类别，然后使用第二时间的第二数据确定一个不同的第二上下文类别，最后基于这两个不同时间确定的类别来生成一个融合类别。目标专利强调利用时间维度上的序列或变化来进行语义融合（例如，对连续决策进行合并或过滤）。对比文件没有揭示这种明确基于不同时间点获得的、不同的上下文类别来进行融合的方案。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。<br>《直接公开》 | [0074] 传感器400被配置为处理检测到的特征，并从相应的数据库402，404，406中分配一个值作为“最佳猜测”，用于关联数据处理装置的使用上下文的可用性、活动和位置中的一个或多个。<br>[0060] 可用性数据库312存储一个或多个可用性/状态值...活动数据库314存储用户定义的活动名称...位置数据库316存储用户定义的位置名称。 | 对比文件明确公开了传感器在确定上下文类别（如可用性、活动、位置）时，是从预定的数据库（可用性数据库、活动数据库、位置数据库）中存储的值列表里选择并分配一个“最佳猜测”值（参见[0074]）。这些数据库存储了预定义的或用户定义的类别值列表（参见[0060]）。这直接对应于目标专利中“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”。因此，该特征被直接公开。 |
| **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。<br>《隐含公开》 | [0067] 上下文引擎310然后处理从插件302，304接收的每个信号306，308，以生成代表数据处理装置使用上下文的可用性、位置和活动的最终值。每个最终值都是数据库312，314，316列表中的值。<br>[0060] 可用性数据库312存储一个或多个可用性/状态值...活动数据库314存储用户定义的活动名称...位置数据库316存储用户定义的位置名称。 | 对比文件公开了上下文引擎生成的最终上下文值（即融合后的结果）是从预定的数据库（可用性数据库312、活动数据库314、位置数据库316）中存储的值列表中选择的（参见[0067]，[0060]）。虽然对比文件未明确将这些数据库称为“融合类别”数据库，但其生成的“最终值”在功能上等同于目标专利的“融合类别”，并且该最终值的确定过程包含了从预定的值列表（即多个可用的类别）中进行选择。本领域技术人员能够合理推断出，为了输出一个确定的最终值，上下文引擎需要从一个可用的值集合（即预定的类别列表）中做出选择。因此，该技术特征被隐含公开。 |
<<<A>>><<<F>>><<<G>>><<<L>>><<<b>>><<<m>>>