**对比文件名称**：2010-08-12_US2010205176A_发明申请_US20100205176A1 Discovering City Landmarks from Online Journals
**目标专利名称**：332用于基于沿着可能路线的媒体密度的导航的方法及设备CN104969033B
**本次调用模型名称**：专利创造性评估模型
### **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：** 其包括：通过装置的处理器计算从所述起点到所述目的地的所述路线以供在用户装置的用户接口上显示<br>**《隐含公开》** | 说明书第[0025]段：“The computing device 102 includes one or more processors 104 and memory 106. The memory 106 stores or otherwise has access to... a personal recommendation engine 116 for providing personal suggestions of places to travel, points of interest and the like.” 第[0044]段：“The recommendation results are visualized in a user interface...” | 对比文件公开了一个计算设备（包含处理器），其个性化推荐引擎（personal recommendation engine 116）用于提供旅行地点、兴趣点等建议，并且推荐结果会在用户界面（user interface）中可视化显示（说明书第[0044]段）。虽然对比文件主要聚焦于从在线日志中发现地标并提供个性化推荐，但其推荐功能在逻辑上隐含了需要为用户规划一条包含所推荐地标的路线，并最终通过用户界面呈现给用户。本领域技术人员能够从“提供旅行地点建议”并“在用户界面可视化”这一整体教导中，合理推断出其处理器需要计算或规划一条包含这些建议地标的路线，并在用户装置上显示。因此，该技术特征被对比文件隐含公开。 |
| **技术特征B：** 响应于计算所述路线，通过所述装置的所述处理器确定感兴趣位置的推荐，<br>**《隐含公开》** | 说明书第[0026]段：“The VisualTourism system provides functionality to... (4) provide to blog users online recommendations for travel cities and landmarks that are determined to be the best fit for a particular blog user's interest.” 第[0058]段：“Based on city summaries (landmarks and representative views) and user significance... the system further achieves the personalized tourist recommendation for blog users who upload tourism logs (photos, descriptions) online to his blog.” | 对比文件公开的系统（VisualTourism）核心功能之一就是为博客用户提供个性化的旅游城市和地标推荐（说明书第[0026]、[0058]段）。这种推荐是基于分析用户上传的旅游日志（照片、描述）与博客社区的关联性来确定的。虽然对比文件没有明确将“计算路线”作为触发推荐的条件，但其推荐过程（例如，响应用户上传旅游日志）在功能上等同于为目标用户确定“感兴趣位置”（即地标）的推荐。本领域技术人员可以理解，在提供导航或旅行建议的场景下，确定推荐地标与规划路线是紧密关联的连续步骤。因此，该技术特征被对比文件隐含公开。 |
| **技术特征C：** 其中所述感兴趣位置是具有大于阈值的媒体密度得分且在与所述路线的偏离范围内的位置，<br>**《未公开》** | 无对应内容。 | 对比文件确实通过PhotoRank算法和Landmark-HITS模型计算照片和场景的“重要性”或“流行度”（popularity），这类似于一种得分（见第[0045]-[0057]、[0077]-[0087]段）。然而，对比文件完全没有公开将这种得分与一个“阈值”进行比较以筛选位置的概念。更重要的是，对比文件完全没有涉及“路线”以及位置与路线的“偏离范围”这两个核心限定。对比文件的推荐是基于用户相似性和地标流行度，完全不考虑被推荐位置是否在用户预设或计算的路径附近。因此，该技术特征既未被直接公开，也未被隐含公开。 |
| **技术特征D：** 且其中所述媒体密度得分是基于与所述感兴趣位置相关的一或多个媒体文件的数目及所述一或多个媒体文件中的每一者的排名来计算，<br>**《隐含公开》** | 说明书第[0045]段：“A PhotoRank algorithm is used to discover representative photos within each scene by propagating photo popularities based on their context and content associations.” 第[0053]段：“To further integrate content and context information together into popularity ranking...” 第[0077]-[0087]段描述了Landmark-HITS模型，该模型通过迭代传播作者、场景、照片的流行度来计算场景（地标）的流行度。 | 对比文件公开了通过PhotoRank算法（基于内容和上下文关联传播照片流行度）和Landmark-HITS模型（整合作者、内容、上下文信息）来计算照片和场景的“流行度”（popularity）。这实质上是一种排名或得分机制。Landmark-HITS模型的计算考虑了属于一个场景的照片的数目（第[0083]段中的Nm）以及这些照片的流行度（权重wk）。照片的流行度（PhotoRank）本身又是基于其与其他照片的关联（可视化和文本相似性）计算得出的，这反映了社区共识下的重要性排名。因此，对比文件公开了基于与位置（场景）相关的媒体文件（照片）的数目及其重要性（排名）来计算该位置得分（流行度）的方案。该技术特征被对比文件隐含公开。 |
| **技术特征E：** 其中所述一或多个媒体文件的每一个排名都基于一个或多个因素，<br>**《直接公开》** | 说明书第[0047]段：“Similar to the PageRank environment, photographs are viewed as analogous to pages, and context and content similarities are modeled as links.” 第[0053]段：“To further integrate content and context information together into popularity ranking, a naïve Bayesian combination is adopted...” | 对比文件明确公开了媒体文件（照片）的排名（流行度）是基于多个因素计算的。具体地，PhotoRank算法将照片的上下文（context）相似性和内容（content）相似性建模为链接，并采用朴素贝叶斯组合将这两个因素整合到流行度排名中（第[0053]段）。这清楚地表明排名是基于一个或多个因素（内容和上下文）进行的。因此，该技术特征被对比文件直接公开。 |
| **技术特征F：** 所述一个或多个因素向除所述用户装置的用户之外的其他用户指示所述一或多个媒体文件中的一个媒体文件的重要性<br>**《隐含公开》** | 说明书第[0046]段：“This consensus reflects the popularity of this view in representing the current scene. The associations in the Web community reflect the user majority consensus.” | 对比文件明确指出，照片之间的关联反映了网络社区的“用户多数共识”（user majority consensus）。这意味着用于计算排名的因素（如内容和上下文相似性）本质上是基于社区内其他用户的行为和偏好（例如，拍摄相似照片、使用相似描述）来指示媒体文件的重要性。这与目标专利中“向其他用户指示重要性”的作用是相符的。虽然对比文件没有使用完全相同的表述，但本领域技术人员能够从“社区共识”这一概念中合理推断出排名因素反映了来自其他用户的集体评价。因此，该技术特征被对比文件隐含公开。 |
| **技术特征G：** 及通过所述装置在所述用户装置的所述用户接口上显示所述推荐。<br>**《直接公开》** | 说明书第[0044]段：“The recommendation results are visualized in a user interface in which landmarks are ranked and displayed in one portion of the display device, and the representative photos of each scene are placed in a larger, prominent location on the display device.” | 对比文件明确且直接地公开了将推荐结果（地标及其代表照片）在用户界面（user interface）上可视化显示。这完全对应于目标专利中在用户接口上显示推荐的技术特征。因此，该技术特征被对比文件直接公开。 |
| **技术特征H：** 其中所述计算所述路线包括计算所述起点与所述目的地之间的最快路线。<br>**《未公开》** | 无对应内容。 | 对比文件完全没有涉及任何路线计算的具体算法，例如计算最快路线、最短路线等。其核心是地标发现和个性化推荐，而非路径规划。因此，该技术特征未被公开。 |
| **技术特征I：** 其中所述偏离范围包含从所述路线上的一点到所述感兴趣位置的距离上的偏离或时间上的偏离中的至少一者。<br>**《未公开》** | 无对应内容。 | 如特征C所述，对比文件完全没有“路线”以及位置与路线的“偏离范围”的概念。因此，更不可能公开偏离范围具体是距离偏离还是时间偏离。该技术特征未被公开。 |
| **技术特征J：** 其进一步包括：修改所述路线以包含所述感兴趣位置。<br>**《未公开》** | 无对应内容。 | 对比文件描述了提供地标推荐，但没有描述任何修改用户已有或预设路线的过程。推荐是作为建议给出的，并未与动态的路线规划或修改功能相结合。因此，该技术特征未被公开。 |
| **技术特征K：** 其进一步包括：在所述修改所述路线之前，向用户显示描述所述感兴趣位置的通知<br>**《未公开》** | 无对应内容。 | 对比文件没有描述在采取任何行动（如修改路线）之前向用户显示通知并等待用户交互的步骤。其用户界面用于展示推荐结果，但未描述为一种需要用户批准的通知。因此，该技术特征未被公开。 |
| **技术特征L：** 及从所述用户接收对修改所述路线的批准。<br>**《未公开》** | 无对应内容。 | 同上，对比文件没有描述从用户接收对任何路线修改批准的用户交互过程。因此，该技术特征未被公开。 |
| **技术特征M：** 其中所述确定所述推荐包括：确定按所述路线行进的所述用户装置是否将在优选时间处在所述感兴趣位置的阈值距离内以参观所述感兴趣位置<br>**《未公开》** | 无对应内容。 | 对比文件的推荐完全基于地标流行度和用户相似性，没有考虑用户按某一路线行进时的预计到达时间，也没有“优选参观时间”的概念（虽然第[0071]段提到了照片拍摄日期，但未用于推荐逻辑）。因此，该技术特征未被公开。 |
| **技术特征N：** 及基于确定所述用户将在所述优选时间处在所述阈值距离内，推荐所述感兴趣位置。<br>**《未公开》** | 无对应内容。 | 由于特征M未被公开，基于特征M判断结果进行推荐的特征N自然也未被公开。 |
| **技术特征O：** 其中所述确定所述推荐包括：确定按所述路线行进的所述用户装置将在其处到达所述感兴趣位置的时间<br>**《未公开》** | 无对应内容。 | 同特征M，对比文件不涉及路线行进和到达时间计算。因此，该技术特征未被公开。 |
| **技术特征P：** 确定所述用户将在其处到达所述感兴趣位置的所述时间的所述感兴趣位置的天气预报<br>**《未公开》** | 无对应内容。 | 对比文件完全没有涉及天气预报信息。因此，该技术特征未被公开。 |
| **技术特征Q：** 及基于所述天气预报是所述感兴趣位置的优选天气预报，推荐所述感兴趣位置。<br>**《未公开》** | 无对应内容。 | 由于特征P未被公开，基于特征P判断结果进行推荐的特征Q自然也未被公开。 |
| **技术特征R：** 其中所述确定所述推荐包括：确定按所述路线行进的用户的社交联系人是否在所述感兴趣位置处<br>**《隐含公开》** | 说明书第[0059]-[0064]段描述了计算作者（用户）之间的关联性（correlation），并基于用户相似性进行协同过滤推荐。第[0059]段：“Inferring author associations or correlations is important in creating a personalized tourist recommendation.” | 对比文件通过分析作者（用户）之间的关联性（例如，是否访问过相同城市、场景、视图）来计算用户相似性（Sim(i,j)），并据此进行协同过滤推荐（第[0062]段）。这隐含了在确定推荐时，会考虑与目标用户行为相似的其他用户（可视为其“社交联系人”或兴趣相似的社群成员）是否去过某个感兴趣位置（地标）。虽然对比文件没有明确使用“社交联系人”和“在...处”的表述，但其利用社区内用户行为的关联性进行推荐，在功能上等同于确定与用户相关的其他用户（社交网络层面）是否青睐某个位置。因此，该技术特征被对比文件隐含公开。 |
| **技术特征S：** 及基于所述社交联系人在所述感兴趣位置处，推荐所述感兴趣位置。<br>**《隐含公开》** | 说明书第[0062]段：“R<sub>AT,S</sub> = 1/K Σ<sub>i=1</sub><sup>K</sup> Sim(A<sub>T</sub>, A<sub>i</sub>) × R̅<sub>Ai</sub>”， 其中推荐结果 R<sub>AT,S</sub> 是基于目标作者A<sub>T</sub>与其他作者A<sub>i</sub>的相似度 Sim(A<sub>T</sub>, A<sub>i</sub>) 以及其他作者的旅游日志 R̅<sub>Ai</sub> 计算得出。 | 对比文件公开的协同过滤推荐公式（第[0062]段）明确显示，对目标用户的推荐结果，部分取决于其他相似用户（Ai）的旅游日志（R̅<sub>Ai</sub>）。如果其他相似用户去过某个地标（即该地标出现在其日志中），则会正向贡献于将该地标推荐给目标用户。这实质上就是基于（兴趣上的）“社交联系人”在某个位置处的行为来推荐该位置。因此，该技术特征被对比文件隐含公开。 |
| **技术特征T：** 其中所述社交联系人在与所述用户相同的社交网络中。<br>**《隐含公开》** | 说明书背景技术第[0002]段提及“Facebook® and MySpace® are examples of social web communities”。整个文件基于分析“blog community”（博客社区）中的数据。 | 对比文件处理的数据来源于“博客社区”（blog community），这是一个典型的在线社交网络或社区环境。其分析的用户（作者）都是该社区内的成员。因此，其所利用的进行相似性计算和推荐的其他用户（即隐含的“社交联系人”），必然是与目标用户处于相同的博客/社交网络社区中。本领域技术人员能够直接且毫无疑义地得出此结论。因此，该技术特征被对比文件隐含公开。 |
| **技术特征U：** 其中所述确定所述推荐包括：确定按所述路线行进的用户的兴趣是否涉及所述感兴趣位置<br>**《隐含公开》** | 说明书第[0058]段：“personalized tourist recommendation for blog users who upload tourism logs (photos, descriptions) online to his blog.” 第[0062]段：推荐基于目标用户与其他用户的相似性(Sim(A<sub>T</sub>, A<sub>i</sub>))及其他用户的日志。 | 对比文件的个性化推荐机制本质上是基于用户的兴趣。系统通过分析用户上传的旅游日志（照片、描述）来推断其兴趣（例如，去过哪些地方），并通过协同过滤寻找兴趣相似的其他用户，进而推荐这些相似用户喜欢的地标。这个过程隐含了“确定用户的兴趣是否涉及感兴趣位置”的步骤——即通过分析用户历史日志来匹配地标，以及通过相似用户日志来发现可能涉及用户兴趣的新地标。因此，该技术特征被对比文件隐含公开。 |
| **技术特征V：** 及基于所述感兴趣位置涉及所述用户兴趣，推荐所述感兴趣位置。<br>**《隐含公开》** | 同上，说明书第[0058]、[0062]段。 | 基于特征U的论述，对比文件的整个推荐逻辑就是基于地标与用户（历史或推断）兴趣的相关性来进行的。如果地标出现在用户的历史日志中，或者出现在兴趣相似的其他用户的日志中，系统就会推荐它。这直接对应于“基于感兴趣位置涉及用户兴趣，推荐该位置”。因此，该技术特征被对比文件隐含公开。 |
| **技术特征W：** 其进一步包括：基于路线间条件而动态地更新所述路线。<br>**《未公开》** | 无对应内容。 | 对比文件没有描述任何导航路线的概念，因此更不可能涉及基于条件动态更新路线。其推荐可能是静态生成或基于新用户数据触发重新计算，但并非“动态更新路线”。因此，该技术特征未被公开。 |
| **技术特征X：** 其中所述路线间条件包含以下各者中的至少一者：天气的改变<br>**《未公开》** | 无对应内容。 | 对比文件未涉及天气信息，如特征P所述。因此，该技术特征未被公开。 |
| **技术特征Y：** 到所述感兴趣位置的预计到达时间的改变<br>**《未公开》** | 无对应内容。 | 对比文件未涉及预计到达时间，如特征O所述。因此，该技术特征未被公开。 |
| **技术特征Z：** 所述感兴趣位置的经更新的媒体密度得分<br>**《未公开》** | 无对应内容。 | 对比文件虽然计算照片和场景的流行度（得分），但并未描述该得分会“动态更新”并因此触发路线更新。其数据采集和计算可以是离线的或周期性的，但未与实时路线更新功能关联。因此，该技术特征未被公开。 |
<<<E>>><<<G>>><<<a>>><<<b>>><<<d>>><<<f>>><<<g>>><<<r>>><<<s>>><<<t>>><<<u>>><<<v>>>