对比文件的名称：2013-04-18_US2013097167A_发明申请_US20130097167A1 Method and system for creating ordered reading lists from unstructured document sets
目标专利的名称：用于非平稳数据的凝聚群集的并行方法CN105247487B
本次调用的模型名称：DeepSeek-R1
### 特征比对表格
| 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**：包括：接收所述数据点流<br>《未公开》 | 无直接对应引用。对比文件涉及处理文档集合，例如“analyzing a corpus of the document set”（分析文档集的语料库）（[0010]段）。 | 目标专利的“接收数据点流”是指在移动设备上实时接收来自传感器（如加速计）的连续数据流（参见说明书[0052]、[0053]、[0070]段），其核心目的是对“非平稳”数据进行“在运行中”处理（[0007]、[0070]段）。对比文件处理的是静态的、已存储的“文档集”或“文档仓库”（如[0001]、[0020]段所述），目的是组织文档以供阅读，而非实时处理连续到达的传感器数据流。二者接收数据的对象（流式传感器数据 vs. 静态文档集）、目的（实时在线群集 vs. 文档组织排序）和技术实质均不同，因此对比文件未公开该技术特征。 |
| **技术特征B**：确定多个群集质心<br>《直接公开》 | “...calculating the cluster ‘centroid,’ which is a point in Euclidian space that represents the ‘center’ of the cluster...”（...计算簇“质心”，它是欧几里得空间中代表簇“中心”的点...）（[0029]段）。 | 目标专利的“确定多个群集质心”是群集算法的核心步骤，例如在k均值算法中初始化或更新质心（[0060]-[0065]段）。对比文件在描述其文档聚类过程时，明确提到了计算簇的“质心”（centroid），并将其定义为欧几里得空间中代表簇中心的点。尽管具体算法（如基于主题模型的概率分布计算）可能与目标专利的k均值或faddc算法不同，但“确定群集质心”这一技术手段本身及其在聚类过程中用于表征和划分数据点的作用是相同的。因此，本领域技术人员可以毫无疑义地从对比文件得出“确定多个群集质心”的技术方案。 |
| **技术特征C**：将所述多个群集质心划分成多个群集质心群，其中每个群集质心群包含所述多个群集质心的子集并由多个线程和/或处理器中不同的线程和/或处理器独立地采用<br>《未公开》 | 无直接对应引用。对比文件提到了“clustering processor”（聚类处理器）（[0011], [0024]段），但未描述将质心集划分成子集并分配给不同处理器独立处理。 | 目标专利该特征是其实现并行处理的核心：将全局质心集划分成多个子集，分配给不同的线程/处理器，每个线程/处理器仅使用自己的质心子集对分配给它的数据部分进行独立的群集操作（[0071]-[0073], [0082]段）。对比文件虽然提及了“clustering processor”，但整个文档聚类和排序过程被描述为一个连贯的系统或方法流程（如图2、3），并未揭示将质心集合进行划分并由不同处理单元独立采用以进行并行群集处理的技术构思。对比文件未公开此特征。 |
| **技术特征D**：向所述多个线程和/或处理器中的每个线程和/或处理器指派所述数据点流的一部分<br>《未公开》 | 无直接对应引用。对比文件处理的是整个文档集，未提及将数据流（stream）的一部分指派给多个并行线程或处理器。 | 目标专利该特征旨在通过将连续到达的数据点流分发给多个并行处理单元，以实现实时、高效的在线群集（[0070], [0078], [0082], [0088]段）。对比文件处理的是静态文档集合，其过程是顺序或集中式的分析、聚类和排序（[0026]-[0030]段），完全没有涉及将数据“流”动态地、并行地“指派”给多个线程或处理器的概念。因此，对比文件未公开此特征。 |
| **技术特征E**：以及<br>组合由所述多个线程和/或处理器生成的多个群集以生成全局群集域。<br>《未公开》 | 无直接对应引用。对比文件描述了从聚类组中选择和排序文档以形成阅读列表（[0026]-[0030]段），但未提及组合多个处理单元生成的子群集以形成全局群集域。 | 目标专利该特征是并行处理流程的最后一步：将各个线程/处理器独立生成的局部群集结果（可能围绕不同的质心子集）组合（如级联）成一个全局群集域（[0072], [0082], [0086], [0096]段）。对比文件的结果是生成一个有序的文档阅读列表（“document trail”），这是一个面向用户阅读的序列，而不是一个用于进一步数据分析的“全局群集域”。其处理过程没有体现由多个并行单元生成子群集并组合的架构。因此，对比文件未公开此特征。 |
| **技术特征F**：其特征在于，所述接收包括：从一个或多个传感器接收所述数据点流。<br>《未公开》 | 无直接对应引用。对比文件的数据源是文档仓库，未提及任何传感器。 | 目标专利明确将应用场景限定在移动设备（UE）上处理来自传感器（如加速计、陀螺仪、话筒）的数据流（[0006], [0025]-[0037], [0052], [0070]段）。这是其解决“数据必须‘在运行中’被处理”这一技术问题的关键上下文。对比文件处理的是文本文档，与传感器数据流无关。因此，对比文件未公开此特征。 |
| **技术特征G**：其特征在于，所述一个或多个传感器是加速计、陀螺仪、磁力计、或话筒中的一者或多者。<br>《未公开》 | 无直接对应引用。 | 如特征F所述，目标专利的传感器类型是其具体应用场景的体现。对比文件完全不涉及任何物理传感器，更不用说具体列举加速计、陀螺仪等类型。因此，对比文件未公开此特征。 |
| **技术特征H**：其特征在于，所述数据点流按循环方式被指派给所述多个线程和/或处理器。<br>《未公开》 | 无直接对应引用。 | “按循环方式指派”是目标专利中提出的将数据点流分配给并行处理单元的一种具体策略（[0078], [0083], [0088]段）。对比文件中没有任何关于以循环方式分配数据（无论是流还是静态集）给处理单元的描述。因此，对比文件未公开此特征。 |
| **技术特征I**：其特征在于，所述数据点流按阶层式方式被指派给所述多个线程和/或处理器。<br>《未公开》 | 无直接对应引用。 | “按阶层式方式指派”是目标专利提出的另一种更复杂的数据分发策略，涉及使用一个小质心集进行初步分发（[0078]-[0080], [0089]段）。对比文件中没有任何关于阶层式数据指派或分发的描述。因此，对比文件未公开此特征。 |
| **技术特征J**：其特征在于，指派所述数据点流的一部分包括：将接收到的数据点指派给所述多个群集质心中的一个群集质心<br>《未公开》 | 无直接对应引用。 | 该特征与特征K共同描述了阶层式指派的具体操作：先将数据点根据一个小质心集进行群集（指派给一个质心），再根据该质心关联到对应的处理线程（[0079], [0089]段）。对比文件的聚类过程是将文档基于主题概率分配给某个主题簇（[0027]段），但其目的是形成文档分组，而非为了将数据动态分配给不同的并行处理单元。作用不同，且对比文件未揭示这种两层指派机制。因此，对比文件未公开此特征。 |
| **技术特征K**：以及将所述接收到的数据点指派给与所述多个群集质心中的这一个群集质心相对应的线程或处理器。<br>《未公开》 | 无直接对应引用。 | 如特征J所述，这是阶层式指派的后一步。对比文件没有建立“质心”与“线程或处理器”之间的对应关系，也没有将数据根据质心关联结果指派给特定处理单元的概念。因此，对比文件未公开此特征。 |
| **技术特征L**：其特征在于，所述多个群集质心中的群集质心数目对应于线程和/或处理器数目。<br>《未公开》 | 无直接对应引用。 | 该特征限定了阶层式分发中，用于分发的小质心集的大小与处理单元数量一致（[0079]段）。对比文件中完全没有涉及质心数目与线程/处理器数目之间的对应关系。因此，对比文件未公开此特征。 |
| **技术特征M**：其特征在于，所述多个群集质心中的群集质心数目大于线程和/或处理器数目，并且其中所述接收到的数据点基于与所述多个群集质心中的每个群集质心相关联的数据点计数被指派给线程或处理器。<br>《未公开》 | 无直接对应引用。 | 该特征描述了阶层式分发的另一种更复杂的配置，其中分发质心数多于处理器数，并引入数据点计数作为指派偏置依据（[0080]段）。对比文件中完全没有涉及此类机制。因此，对比文件未公开此特征。 |
| **技术特征N**：其特征在于，所述数据点流基于所述多个线程和/或处理器中的每个线程和/或处理器的速度被指派给所述多个线程和/或处理器。<br>《未公开》 | 无直接对应引用。 | 该特征涉及考虑处理单元速度进行负载均衡的动态指派策略（[0084], [0088]段）。对比文件中没有任何关于根据处理器速度进行任务分配的记载。因此，对比文件未公开此特征。 |
| **技术特征O**：其特征在于，所述多个线程和/或处理器中的每个线程和/或处理器生成围绕向所述多个线程和/或处理器中的每个线程和/或处理器置备的一个或多个质心的一个或多个群集。<br>《未公开》 | 无直接对应引用。对比文件描述了聚类处理器对文档集进行聚类（[0011], [0024]段），但未明确描述每个处理器独立生成围绕其专属质心子集的群集。 | 目标专利该特征明确了并行架构中每个处理单元的工作内容：使用分配给它的质心子集，对分配给它的数据部分进行群集，生成局部群集结果（[0071], [0085], [0090]段）。对比文件虽然整体上执行聚类，但未揭示这种“划分质心-分配数据-独立生成局部群集”的并行处理模式。其聚类过程是作为一个整体步骤（“document clustering”）描述的，未体现为多个处理单元围绕不同质心子集并行工作。因此，对比文件未公开此特征。 |
| **技术特征P**：其特征在于，所述多个线程和/或处理器中的每个线程和/或处理器在其开始接收所述数据点流的所述部分时开始生成所述一个或多个群集。<br>《未公开》 | 无直接对应引用。 | 该特征强调了实时流处理的特性：处理单元一旦收到数据就开始工作，无需等待全部数据到达（[0085]段）。对比文件处理的是静态文档集，其聚类分析是针对整个集合进行的，不存在“开始接收数据流部分时即开始处理”的流式处理场景。因此，对比文件未公开此特征。 |
| **技术特征Q**：其特征在于，所述多个线程和/或处理器中的每个线程和/或处理器在开始生成所述一个或多个群集之前缓冲所述部分的数据点中的一个或多个数据点。<br>《未公开》 | 无直接对应引用。 | 该特征涉及处理单元可能采用的缓冲策略（[0085]段）。对比文件中没有任何关于在处理前缓冲数据的描述。因此，对比文件未公开此特征。 |
| **技术特征R**：其特征在于，还包括：丢弃所述数据点流中的数据点以减少所述数据点流中的数据点数目。<br>《未公开》 | 对比文件提到了“pruning documents”（修剪文档），即从簇中移除不相关或冗余的文档（[0026], [0028]段）。 | 目标专利“丢弃数据点”是为了应对传感器数据流过大、处理不过来的情况，采取如隔点丢弃等简单方法来主动减少待处理的数据量（[0052], [0077], [0087]段）。对比文件的“pruning”是基于对文档内容的相关性分析（如主题概率低于阈值、段落冗余），目的是提高最终阅读列表的质量，而非因为处理能力不足而主动丢弃输入数据。两者目的和技术手段实质不同。因此，对比文件未公开目标专利的“丢弃数据点”特征。 |
| **技术特征S**：其特征在于，还包括：降低生成所述数据点流的一个或多个传感器的采样率以减少所述数据点流中的数据点数目。<br>《未公开》 | 无直接对应引用。 | 该特征是针对传感器数据流的另一种主动数据减量策略（[0052], [0077]段）。对比文件完全不涉及传感器，因此不可能公开降低传感器采样率的技术手段。因此，对比文件未公开此特征。 |
| **技术特征T**：其特征在于，还包括：对所述全局群集域执行后处理。<br>《未公开》 | 对比文件描述了用户在阅读文档轨迹时提供反馈，系统可能根据反馈调整后续文档（[0031]-[0037]段），以及文档内的段落高亮（[0038]段）。 | 目标专利的“后处理”是指在生成全局群集域后进行的操作，如数据挖掘（[0076], [0086], [0097]段），属于对群集结果的进一步分析。对比文件中的用户反馈和段落高亮是交互式阅读体验的一部分，发生在文档被呈现给用户之后，目的是辅助阅读和导航，而非对聚类结果本身进行自动化的后处理分析。二者作用不同。因此，对比文件未公开目标专利的“后处理”特征。 |
| **技术特征U**：其特征在于，所述多个处理器和/或线程驻留在一用户装备上。<br>《未公开》 | 无直接对应引用。对比文件的处理系统（18）未明确其部署位置，可能是在服务器端。 | 目标专利明确其方法由用户装备（UE）执行，处理器和线程位于UE上（如图5、6及对应描述）。这是其适用于移动设备、处理本地传感器数据流的关键前提。对比文件未明确说明其处理系统的具体部署位置，更未限定在单个用户装备上。因此，对比文件未公开此特征。 |
| **技术特征V**：其特征在于，所述多个处理器和/或线程驻留在多个用户装备上。<br>《未公开》 | 无直接对应引用。 | 该特征描述了分布式并行处理的场景，其中处理任务分布在多个UE上（[0078]段）。对比文件中完全没有涉及跨多个用户设备的分布式处理架构。因此，对比文件未公开此特征。 |
<<<B>>>