**对比文件名称**：2011-07-12_US7979426B_发明授权_US07979426B2 Clustering-based interest computation
**目标专利名称**：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**：GPT-4
**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>**判断结果**：未被公开 | 无直接对应引用。对比文件描述了存储历史使用模式数据（例如[0050]段），但未描述实时接收数据点流的过程。 | 目标专利中“接收所述数据点流”强调对实时、连续传入的数据点流的处理（如说明书[0070]段所述“数据必须‘在运行中’被处理”）。对比文件（如[0050]段）描述的是存储与用户过去使用模式相关的数据（上下文、应用使用、兴趣评级），这是一个用于后续聚类分析的静态数据集，而非一个被实时接收并处理的“流”。两者的数据获取方式和时序性不同，作用也不同。因此，对比文件未直接或隐含公开技术特征A。 |
| **技术特征B**：确定多个群集质心<br>**判断结果**：《直接公开》 | [0044]段：“Then, for each cluster, a centroid is computed and stored along with its containing data point.” <br>（译文：然后，为每个簇计算一个质心，并将其与其包含的数据点一起存储。）<br>[0057]段：“determining, for each of the clusters, a centroid”。<br>（译文：为每个簇确定一个质心。） | 对比文件明确且多次公开了在聚类过程中为每个簇确定质心（centroid）的步骤。这与目标专利中“确定多个群集质心”的技术特征完全相同。在对比文件中，质心用于代表簇的特征，并在后续步骤中用于比较和兴趣评级预测（如[0070]段），这与目标专利中质心作为群集核心的作用是类似的。因此，本领域技术人员能够毫无疑义地从对比文件得出该技术特征。 |
| **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>**判断结果**：未被公开 | 无对应引用。对比文件描述了聚类和质心的确定，但未描述将已确定的质心集合进一步划分成子集（群），并分配给不同的线程/处理器独立采用的步骤。 | 目标专利该特征是实现并行处理的核心之一（见说明书[0071]-[0073]段），旨在通过划分质心子集给不同处理单元，并行处理数据流。对比文件虽然提及聚类和质心，但其整体方案是基于所有质心进行统一的相似度比较和兴趣预测（如[0070]、[0076]段），并未涉及为了并行处理而将质心资源划分并独立分配给多个执行实体的架构或方法。两者技术手段和作用均不同。因此，对比文件未直接或隐含公开技术特征C。 |
| **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>**判断结果**：未被公开 | 无对应引用。对比文件未描述将数据点流（或数据）的一部分指派给不同的线程或处理器进行处理。 | 目标专利该特征是另一并行处理核心，旨在将输入数据流分发给多个处理单元（说明书[0071]段）。对比文件处理的是存储的历史数据集，其聚类和质心计算过程并未描述采用了多线程/处理器并行处理架构，更没有描述将数据划分并指派给不同线程/处理器的步骤。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>**判断结果**：未被公开 | 无对应引用。对比文件未描述由多个线程/处理器生成多个群集，并将它们组合成全局群集域的过程。 | 目标专利该特征是完成并行处理后的结果整合步骤（说明书[0072]段）。对比文件的方案是生成一个统一的簇集合及其质心，不存在先分散生成、再组合的过程。因此，该特征未被对比文件公开。 |
| **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>**判断结果**：未被公开 | 无对应引用。对比文件的数据来源于用户使用模式（如应用使用、上下文），未提及来自传感器。 | 目标专利该特征限定了数据点流的具体来源（说明书[0080]段）。对比文件的数据来源完全不同（如[0050]段所述的应用使用、上下文信息），不涉及传感器。因此，该特征未被公开。 |
| **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>**判断结果**：未被公开 | 无对应引用。 | 该特征是对特征F中传感器类型的具体限定。由于特征F未被公开，且对比文件完全未提及这些具体传感器类型，因此该特征也未被公开。 |
| **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>**判断结果**：未被公开 | 无对应引用。 | 该特征是对数据点流分配方式的具体限定。由于对比文件未公开向多个线程/处理器指派数据点流（特征D），因此这种具体的指派方式自然也未被公开。 |
| **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>**判断结果**：未被公开 | 无对应引用。 | 同上，该具体的指派方式未被公开。 |
| **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>**判断结果**：《隐含公开》 | [0057]段：“(2) Assign each point to the nearest cluster center.”<br>（译文：(2) 将每个点分配给最近的簇中心。） | 对比文件在描述k-means聚类算法时，公开了“将每个数据点分配给最近的簇中心（质心）”这一步骤。虽然目标专利中该步骤是“指派数据点流的一部分”这个更上位的特征中的子步骤，且目标专利的最终目的是将数据点指派给线程/处理器，但“将数据点指派给一个群集质心”这一具体操作本身在对比文件中被明确公开。其作用在对比文件中是完成聚类分配，在目标专利中是实现阶层式分发的基础步骤之一，具有相似性。因此，可以认为该技术特征被对比文件隐含公开。 |
| **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>**判断结果**：未被公开 | 无对应引用。 | 该特征要求建立“群集质心”与“线程或处理器”之间的对应关系，并基于此关系进行指派。对比文件虽然公开了将数据点指派给质心（特征J），但完全没有提及任何线程或处理器，更未建立质心与处理单元之间的对应关系。因此，该特征未被公开。 |
| **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>**判断结果**：未被公开 | 无对应引用。 | 该特征限定了质心数目与处理单元数目的对应关系。对比文件未涉及线程/处理器，因此这种数量对应关系无从谈起，未被公开。 |
| **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>**判断结果**：未被公开 | 无对应引用。 | 该特征描述了在质心数多于处理单元数时的一种基于计数的具体指派规则。对比文件未涉及相关架构和规则，未被公开。 |
| **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>**判断结果**：未被公开 | 无对应引用。 | 该特征限定了基于处理速度的负载均衡指派方式。对比文件未涉及，未被公开。 |
| **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>**判断结果**：未被公开 | 无对应引用。 | 该特征描述了每个处理单元基于其独有的质心子集独立生成群集。对比文件的聚类过程是集中式的，未描述这种分布式的、基于局部质心的群集生成过程。因此未被公开。 |
| **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>**判断结果**：未被公开 | 无对应引用。 | 该特征限定了处理单元开始工作的时序。由于对比文件未公开分布式处理架构，此时序特征也未被公开。 |
| **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>**判断结果**：未被公开 | 无对应引用。 | 该特征限定了处理单元的数据缓冲行为。对比文件未公开，未被公开。 |
| **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>**判断结果**：未被公开 | 无对应引用。 | 目标专利该特征涉及对数据流的主动降采样（说明书[0080]段）。对比文件未描述对输入数据（无论是流还是静态集）进行丢弃以减少数量的步骤。因此未被公开。 |
| **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>**判断结果**：未被公开 | 无对应引用。 | 该特征涉及在传感器源头控制数据速率。对比文件未涉及传感器数据流，因此该特征未被公开。 |
| **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>**判断结果**：《隐含公开》 | [0080]段：“Many of the steps involved in the gathering and clustering of the data itself can be performed while offline.”<br>（译文：数据收集和聚类本身所涉及的许多步骤可以在离线时执行。） | 目标专利的“后处理”可包括数据挖掘等对已生成群集域的进一步操作（说明书[0091]段）。对比文件提到聚类等计算密集型步骤可以在设备空闲时（离线）执行，以优化在线响应。这种“离线处理”可以广义地理解为对已生成或正在生成的数据（包括聚类结果）进行的一种后续处理或优化处理，其目的与目标专利的“后处理”（对结果进行进一步分析利用）在“对聚类结果进行附加操作”这一抽象层面上存在重叠的可能性。根据宽松的隐含公开判断标准，有可能被认为隐含公开。 |
| **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>**判断结果**：《隐含公开》 | [0097]段：“In this diagram the system is a mobile device.”<br>（译文：在此图中，该系统是移动设备。）<br>[0100]段描述了移动设备执行本发明的技术方案。 | 目标专利的装置可以是UE（用户装备）（例如说明书[0057]-[0067]段）。对比文件明确其系统可以实施在移动设备（一种用户装备）上，并描述了该设备执行存储、聚类、确定质心等操作（例如[0100]段）。虽然对比文件未明确提及“多个处理器和/或线程”，但移动设备通常具备处理器，并且执行复杂计算任务（如聚类）时，本领域技术人员知晓可能涉及多线程或利用处理器资源。根据宽松的隐含公开判断标准，可以合理推断对比文件公开的技术方案是驻留在用户装备上执行的。因此，该特征被隐含公开。 |
| **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>**判断结果**：未被公开 | 无对应引用。对比文件未描述处理任务分布在多个用户装备（设备）上。 | 该特征限定了处理资源分布在多个独立的用户装备上。对比文件仅描述了在单个设备（如移动设备）上执行方案，未涉及跨设备的分布式处理架构。因此，该特征未被公开。 |
<<<B>>><<<j>>><<<t>>><<<u>>>