对比文件的名称：2009-09-17_WO2009114301A_发明申请_WO2009114301A3 CONTEXT AWARE DATA PROCESSING IN MOBILE COMPUTING DEVICE
目标专利的名称：363在语义上融合上下文推断CN104823433B
本次调用的模型名称：GPT-4
### 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**：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 | 对比文件说明书第[0024]段：“The system 200 may include a context inference engine 210 that is configured to receive context data from a mobile device 100, ... the context inference engine 210 may determine a context for the mobile device 100 based on the received context data.” <br> 第[0031]段：“The context data may be received from one or more sensors of the mobile device 100, such as ... accelerometer, ... GPS receiver, ... microphone, ... camera, ... wireless network interface, etc.” <br> 第[0035]段：“The context inference engine 210 may classify the received context data into one or more context categories, such as user activities (e.g., walking, running, driving), ...”. | 对比文件明确公开了在系统/计算装置（context inference engine 210）处，使用来自移动设备（mobile device 100）的一个或多个数据源（如传感器）的上下文数据来确定上下文类别（如用户活动）。这与目标专利特征A“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”的技术方案相同。因此，该技术特征被对比文件直接公开。 |
| **《直接公开》** | ||
| **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， | 对比文件说明书第[0042]段：“In some embodiments, the context inference engine 210 may perform context fusion. For example, if multiple low-level contexts are identified (e.g., ‘driving’ and ‘using GPS’), the engine may fuse these to derive a higher-level context such as ‘commuting’.” <br> 第[0048]段：“The derivation of a higher-level context may be based on one or more lower-level contexts. For instance, the context ‘in a meeting’ may be derived from lower-level contexts ‘sitting’, ‘low ambient noise’, and ‘calendar entry indicating meeting’.” | 对比文件公开了可以通过融合多个已识别的低阶上下文（low-level contexts）来推导（derive）一个高阶上下文（higher-level context）。例如，融合“驾驶”和“使用GPS”来推导“通勤”。这公开了“至少部分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”的技术手段。虽然对比文件未明确使用“第一”、“第二”的表述，但其描述的“多个低阶上下文”必然包含至少两个不同的上下文类别，其融合过程必然涉及至少第一和第二类别。因此，该技术特征被对比文件隐含公开。 |
| **《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， | 对比文件说明书第[0042]段：“... if multiple low-level contexts are identified (e.g., ‘driving’ and ‘using GPS’), the engine may fuse these to derive a higher-level context such as ‘commuting’.” <br> 第[0048]段：“The derivation of a higher-level context may be based on one or more lower-level contexts. For instance, the context ‘in a meeting’ may be derived from lower-level contexts ‘sitting’, ‘low ambient noise’, and ‘calendar entry indicating meeting’.” | 对比文件公开的融合后得到的“高阶上下文”（如“通勤”、“会议中”）与用于推导它的多个“低阶上下文”（如“驾驶”和“使用GPS”、“坐着”、“低环境噪音”和“日历会议条目”）在语义上具有关联性。“通勤”是“驾驶”和“使用GPS”活动共同指向的更抽象场景；“会议中”是“坐着”、“低环境噪音”和“日历会议条目”共同指示的状态。本领域技术人员可以毫无疑义地理解，这种推导或融合正是基于低阶上下文之间以及与高阶上下文之间的共有特性（如时间、地点、行为模式的共性）进行的。因此，该技术特征被对比文件直接公开。 |
| **《直接公开》** | ||
| **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。 | 对比文件说明书第[0039]段：“Contexts can be hierarchical, with higher-level contexts being more general or abstract than lower-level contexts.” <br> 第[0042]段：“... fuse these to derive a higher-level context such as ‘commuting’.” | 对比文件明确指出了上下文的层次性，高阶上下文比低阶上下文“更通用或更抽象”。并且举例说明通过融合低阶上下文（如‘driving’和‘using GPS’）推导出的‘commuting’是一个更高阶的上下文。‘commuting’（通勤）显然比‘driving’（驾驶）和‘using GPS’（使用GPS）各自的范围更广，涵盖了更多可能的子情形。这直接公开了融合类别比用于融合的原始类别范围更广的特征。 |
| **《直接公开》** | ||
| **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。 | 对比文件说明书第[0042]段：“... fuse these to derive a higher-level context such as ‘commuting’.” <br> 第[0051]段：“The label of a derived context often semantically encompasses the labels of the contexts from which it was derived. For example, the label ‘meeting’ encompasses the notions of ‘sitting quietly’ and ‘being in a scheduled appointment’.” | 对比文件明确公开了推导出的上下文（即融合类别）具有标签（如‘commuting’, ‘meeting’）。并且明确指出，推导出的上下文的标签通常在语义上囊封（encompasses）了其所源自的上下文的标签。例如，“会议”的标签囊封了“安静坐着”和“处于预定约会中”的概念。这与目标专利特征E“融合类别具有相关联的标签，其在语义上囊封第一上下文类别的标签及第二上下文类别的标签”完全一致。因此，该技术特征被对比文件直接公开。 |
| **《直接公开》** | ||
| **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。 | 对比文件说明书第[0035]段：“The context inference engine 210 may classify the received context data into one or more context categories...” <br> 第[0040]段：“The classification may produce an initial context inference, which may include a confidence value.” | 对比文件公开了上下文推断引擎对接收到的上下文数据进行分类，产生初始的上下文推断（initial context inference）。这个“初始的上下文推断”即为“初始分类”，获得这个推断的过程就是获得用以确定上下文类别（即第一上下文类别）的信息的过程。因此，该技术特征被对比文件直接公开。 |
| **《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。 | 对比文件说明书第[0040]段：“The classification may produce an initial context inference, which may include a confidence value.” <br> 第[0045]段：“If the confidence value for a particular low-level context is below a threshold, the system may attempt to derive a more general context or fuse it with other low-confidence contexts.” | 对比文件明确说明了分类产生的初始上下文推断可能包含一个置信度值（confidence value）。这直接公开了获得与初始分类相关联的置信度值这一技术特征。 |
| **《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。 | 对比文件说明书第[0045]段：“If the confidence value for a particular low-level context is below a threshold, the system may attempt to derive a more general context or fuse it with other low-confidence contexts.” | 对比文件明确公开了当某个低阶上下文的置信度值低于阈值时，系统可以尝试推导一个更通用的上下文或将其与其他低置信度上下文融合。这直接公开了“确定融合类别是响应于置信度值等于或低于阈值而执行”的技术方案。 |
| **《直接公开》** | ||
| **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。 | 对比文件说明书第[0050]段：“The system may also consider the operational characteristics of the classifiers used for initial context inference. For example, if a classifier is known to have difficulty distinguishing between ‘in a car’ and ‘on a train’, this operational characteristic can be used during context fusion or derivation.” | 对比文件明确提到了系统可以考虑用于初始上下文推断的分类器的“可操作特性”（operational characteristics），例如已知分类器难以区分“在车里”和“在火车上”。识别分类器的这种“可操作特性”就是识别初始分类（由该分类器产生）的“可操作性质”。因此，该技术特征被对比文件直接公开。 |
| **《直接公开》** | ||
| **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。 | 对比文件说明书第[0050]段：“... if a classifier is known to have difficulty distinguishing between ‘in a car’ and ‘on a train’, this operational characteristic can be used during context fusion or derivation.” | 对比文件明确指出，分类器的可操作特性（例如难以区分两个特定类别）可以在上下文融合或推导过程中被使用。这意味着，在进行融合（确定融合类别）时，是基于初始分类所依赖的分类器的可操作性质（即初始分类的可操作性质）来进行的。例如，因为知道分类器会混淆A和B，所以在它输出A或B（置信度低时）时，融合输出一个更通用的类别C。这直接公开了该技术特征。 |
| **《直接公开》** | ||
| **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。 | 对比文件说明书第[0047]段：“Temporal analysis can be applied. The context inference engine may analyze context data over time to derive a context. For example, a sequence of ‘sitting’ contexts followed by ‘walking’ to a conference room location, combined with a calendar entry, may lead to the derivation of a ‘meeting’ context.” <br> 第[0049]段：“Historical context data or time-series analysis can be used to improve the accuracy or derive higher-level contexts.” | 对比文件公开了应用时间分析，引擎可以分析随时间变化的上下文数据来推导上下文。例如，结合日历条目，由“坐着”上下文序列和随后“行走”到会议室位置的上下文，可以推导出“会议”上下文。这隐含了使用不同时间点的上下文数据（第一时间的“坐着”，第二时间的“行走”）来确定不同的上下文类别（第一上下文类别“坐着”，第二上下文类别“行走到会议室”），并基于它们（以及可能的其他数据如日历）来确定一个融合/推导出的上下文类别（“会议”）。虽然对比文件没有明确区分“第一”、“第二”时间点的数据与类别，但其描述的时间序列分析必然涉及不同时间点的数据和推断出的类别，并基于这些进行融合或推导。因此，该技术特征被对比文件隐含公开。 |
| **《隐含公开》** | ||
| **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。 | 对比文件说明书第[0035]段：“The context inference engine 210 may classify the received context data into one or more context categories, such as user activities (e.g., walking, running, driving), location types (e.g., home, office, outdoors), or environmental states (e.g., noisy, quiet).” <br> 第[0037]段：“The set of possible context categories may be predefined within the system.” | 对比文件公开了上下文推断引擎将接收到的数据分类成一个或多个上下文类别，例如用户活动、位置类型等，并且这些可能的上下文类别集合可以在系统内预定义。这直接公开了确定上下文类别（包括第一上下文类别）是通过从预定义的多个可用类别中选择来实现的。 |
| **《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。 | 对比文件说明书第[0039]段：“Contexts can be hierarchical, with higher-level contexts being more general or abstract than lower-level contexts.” <br> 第[0042]段：“... derive a higher-level context such as ‘commuting’.” <br> 第[0051]段：“The label of a derived context often semantically encompasses the labels of the contexts from which it was derived.” | 对比文件公开了上下文具有层次性，存在高阶上下文（即融合/推导出的上下文）。并且举例了“通勤”、“会议”等具体的高阶上下文类别。本领域技术人员可以理解，这些高阶上下文类别构成了一个可用的类别集合，系统在推导/融合时，是从这个可用的高阶上下文类别集合中选择一个合适的类别。例如，从“驾驶”和“使用GPS”推导时，选择“通勤”这个类别。虽然对比文件未明确使用“预定的可用融合类别”这一表述，但根据其整体描述，高阶上下文的类型和标签必然是系统已知或预定义的，否则无法进行标签指派和语义囊封。因此，该技术特征被对比文件隐含公开。 |
| **《隐含公开》** |
<<<A>>><<<C>>><<<D>>><<<E>>><<<F>>><<<G>>><<<H>>><<<I>>><<<J>>><<<L>>><<<b>>><<<k>>><<<m>>>