非显而易见法律服务网

技术特征描述与公开性判断	对比文件原文引用	公开性论述
特征A：用第一预先训练的分类器来确定多个所存储图像的特征。<br>《直接公开》	[0047] “...deep neural networks (DNN) feature extractor, etc.” <br> [0056] “The feature extracting module 204 may extract features from the multimedia data items.” <br> [0065] “The feature extraction module 204 may extract features from the new positive multimedia data item.”	对比文件明确公开了使用特征提取模块（如深度神经网络特征提取器）从多媒体数据项（如图像）中提取特征。这是训练和更新分类器的基础步骤，与目标专利中“用预先训练的分类器确定图像特征”的作用相同，都是为后续的分类或分群集提供输入。因此，该技术特征被直接公开。
特征B：所述多个所存储图像的特征不同于用于训练所述第一预先训练的分类器的多个训练图像。<br>《隐含公开》	[0054] “The corpus of multimedia data items may include positive multimedia data items and negative multimedia data items.” <br> [0070] “The training module 118 may access new multimedia data items of the corpus of multimedia data items. The new multimedia data items may include positive multimedia data items and negative multimedia data items.”	对比文件公开了用于训练分类器的多媒体数据项语料库包括正样本和负样本。在分类器训练完成后，系统会接收“新的多媒体数据项”进行分类。虽然对比文件未明示这些“新数据项”的特征与训练数据特征不同，但本领域技术人员可以合理推断，用户上传的待分类图像（即目标专利中的“所存储图像”）通常是独立于原始训练集的新图像，其特征分布大概率会与训练图像存在差异。这是一种隐含的公开。
特征C：至少部分地基于所确定的特征来将所述多个所存储图像中的每一个图像指派给多个群集中的群集。<br>《未公开》	[0057] “The classifying module 120 may apply the one or more classifier(s) 212 to the extracted features to determine similarity values... The classifying module 120 may leverage the similarity values to determine which label of the plurality of labels is associated with the new positive multimedia data item.” <br> [0089] “...the classifying module 120 may determine that the new multimedia data item 502 is associated with at least some of the labels.”	对比文件公开了基于提取的特征，通过分类器计算相似度值，并将多媒体数据项分类到多个标签（label）中的一个或多个。目标专利是将图像指派给群集（cluster），群集是通过无监督分群集（如k-means）基于特征向量距离形成的，与基于有监督训练的分类器输出预定义“标签”在技术手段和作用上存在本质区别。对比文件未公开无监督分群集操作。
特征D：基于所述图像离对应于所述图像的最接近的群集中心的距离小于第一阈值、与所述最接近的群集中心相关联的预定义图像数目小于第二阈值、和/或与最接近的群集中心相关联的图像百分比小于第三阈值来向所述多个所存储图像中的图像指派标记。<br>《未公开》	[0057] “The classifying module 120 may apply the one or more classifier(s) 212 to the extracted features to determine similarity values... The classifying module 120 may leverage the similarity values to determine which label... is associated...” <br> [0089] “...if the classifying module 120 determines that at least some of the similarity values... are above the statistics 506 (e.g., a predetermined threshold), then the classifying module 120 may determine that the new multimedia data item 502 is associated with at least some of the labels.”	对比文件公开了基于相似度值与统计阈值（如平均值）的比较，来判断数据项是否与某个标签相关联。这与目标专利中基于“距离/数目/百分比”阈值向图像“指派标记”在形式上虽有相似（都涉及阈值比较），但作用和对象不同：1）对比文件的阈值用于分类决策（是否属于某类），而目标专利用于标记指派（给已分群集的图像打标签）；2）对比文件的阈值基于分类器输出的相似度，目标专利的阈值基于无监督分群集产生的几何距离或统计数量。因此，对比文件未公开该特定技术特征。
特征E：修改所指派的标记。<br>《未公开》	无对应内容。	对比文件主要描述分类器的训练和自动分类过程，未涉及用户或系统修改已指派给图像的标记（label）这一交互或后处理步骤。
特征F：当所述所指派的标记被修改时用所述图像来重新训练所述第一预先训练的分类器。<br>《未公开》	[0050] “The training module 118 may iteratively process the corpus of multimedia data items one or more additional times to update the model vectors and stabilize the classifiers over time.” <br> [0075] “...the updating module 208 may adjust at least some of the model vectors...”	对比文件公开了使用新的正/负样本数据迭代更新（重新训练）分类器的模型向量。但其触发条件是分类器对新样本分类错误，或负样本的相似度过高，而非目标专利中明确限定的“当所指派的标记被修改时”。两者触发条件和目的不同。
特征G：以及至少部分地基于所述预先训练的分类器来对所述图像重新分类。<br>《未公开》	[0088] - [0092] 描述了使用训练好的分类器对新的多媒体数据项进行分类。	对比文件公开了使用训练好的分类器对新输入的图像进行分类。目标专利中的“重新分类”特指对已有的图像，在分类器被重新训练后，再次进行分类。对比文件未提及对已处理图像的再次（重新）分类操作。
特征H：其特征在于，所述第一预先训练的分类器是支持向量机器(SVM)、逻辑回归、最接近的邻居、或多层感知器(MLP)。<br>《直接公开》	[0048] “...learning algorithms such as fast rank, Stochastic Gradient Descent (SGD), Support Vector Machines (SVM), boosting, etc., may be applied...” <br> [0056] “...learning algorithms such as fast rank, SGD, SVM, boosting, etc., may be applied...”	对比文件在描述训练分类器时，明确列举了支持向量机（SVM）作为可选的学习算法之一。因此，SVM作为分类器的一种具体类型被直接公开。
特征I：其特征在于，进一步包括，至少部分地基于对应的标记来将所述多个所存储图像中的图像分类到群中。<br>《未公开》	参见特征C论述。对比文件将数据项分类到“标签”，而非“群”。目标专利中的“群”与“群集”概念紧密相关，是无监督分群集的结果，与对比文件有监督分类产生的“标签”不同。
特征J：其特征在于，进一步包括，至少部分地基于对应的群来将所述多个所存储图像中的每个图像放置到文件夹中。<br>《未公开》	无对应内容。	对比文件全文未提及“文件夹”（folder）这一用于物理或逻辑存储组织的概念。
特征K：其特征在于，进一步包括，使用非特定名称来命名所述文件夹。<br>《未公开》	无对应内容。	由于对比文件未公开“文件夹”概念，因此自然未涉及文件夹的命名方式。
特征L：其特征在于，进一步包括，使用第二预先训练的分类器来确定特定文件夹名称。<br>《未公开》	无对应内容。	对比文件未公开使用任何分类器来确定文件夹名称。
特征M：其特征在于，进一步包括，使用所述第二预先训练的分类器、至少部分地基于与相关联的群的标记相关联的群集中心的分类来确定所述特定文件夹名称。<br>《未公开》	无对应内容。	对比文件未涉及“群集中心”或基于其分类来确定文件夹名称。
特征N：其特征在于，所述特定文件夹名称进一步至少部分地基于关于给定文件夹的所标记图像的多数裁定规则来确定。<br>《未公开》	无对应内容。	对比文件未公开“多数裁定规则”用于确定名称。
特征O：其特征在于，进一步包括，接收修改特定文件夹名称或指派新的特定文件夹名称的用户输入。<br>《未公开》	无对应内容。	对比文件未涉及用户修改或指派文件夹名称的交互。
特征P：其特征在于，进一步包括，至少部分地基于群集中心或者至少一个所标记的图像特征向量来重新训练第二预先训练的分类器以包括经修改的特定文件夹名称或所述新的特定文件夹名称。<br>《未公开》	无对应内容。	对比文件未公开基于“群集中心”或用户命名的文件夹来重新训练一个用于确定文件夹名称的分类器。
特征Q：其特征在于，进一步包括，至少部分地基于确定新图像的特征向量和应用所述分类器以确定所述新图像的群来将所述新图像放置在文件夹中。<br>《未公开》	[0085] - [0092] 描述了接收新图像、提取特征、应用分类器确定标签的过程。	对比文件公开了对新图像进行分类并输出识别结果（标签），但未提及将图像“放置在文件夹中”这一后续组织管理步骤。
特征R：其特征在于，进一步包括，接收修改所述所指派的标记的用户输入。<br>《未公开》	无对应内容。	对比文件描述了系统自动分类和基于算法更新模型，未提及接收用户直接修改已指派标记的输入。
特征S：其特征在于，至少部分地基于将所述图像从第一文件夹移至第二文件夹的用户输入来修改所述所指派的标记。<br>《未公开》	无对应内容。	对比文件未涉及“文件夹”或通过移动图像来修改标记的用户交互。
特征T：其特征在于，进一步包括，与第二用户共享至少一个分类器或群集中心列表。<br>《未公开》	无对应内容。	对比文件未提及在不同用户之间共享分类器或群集中心列表。
特征U：其特征在于，所共享的群集中心列表与所述第二用户的群集中心列表相组合以创建用于所述第二用户的图像的标记并且更新用于所述第二用户的分类器。<br>《未公开》	无对应内容。	对比文件未涉及共享、组合群集中心列表以及据此为用户更新分类器。
特征V：其特征在于，进一步包括，与所述第二用户共享用户为类别或群集定义的种类。<br>《未公开》	无对应内容。	对比文件未涉及用户自定义种类并在用户间共享。