对比文件名称：2010-11-25_US2010299615A_发明申请_US20100299615A1 System And Method For Injecting Sensed Presence Into Social Networking Applications
目标专利名称：363在语义上融合上下文推断CN104823433B
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**：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<br>**《直接公开》** | 段落[0046]：“Accelerometer data may be analyzed to identify a number of physical activities, including sitting, standing, using a mobile phone, walking, running, stair climbing, and others.”<br>段落[0025]：“Inference engine 212 analyzes received sensor data and determines presence information (e.g., 122 and 124) for each user.” | 对比文件公开了从与用户相关联的设备（如手机、传感器）接收传感器数据，并通过分析引擎（inference engine）基于这些数据推断用户状态（presence information），例如通过分析加速度计数据来识别“坐着、站着”等活动状态。该“状态”即对应于目标专利的“上下文类别”，其作用同样是基于数据源的数据进行上下文推断。因此，本领域技术人员能毫无疑义地得出对比文件公开了使用来自数据源的上下文相关数据确定第一上下文类别的技术特征。 |
| **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，<br>**《未公开》** | 无直接对应引用。对比文件主要描述基于多种传感器数据的组合分析直接推断一个状态。例如，段落[0046]提及使用多个数据输入（如位置变化、加速度计数据）来判断用户是静止还是移动。段落[0101]提及将噪声指数、亮度指数等与室内/室外分类器的结果结合来推断用户环境。 | 对比文件公开了可以组合多种数据（或基于多种数据推断出的特征）来推断一个用户状态。然而，该过程是：**输入：多种原始数据或低级特征 -> 输出：一个推断出的状态**。而目标专利的特征B明确限定为：**输入：已确定的两个不同的上下文类别（第一和第二）-> 过程：融合这两个类别 -> 输出：融合类别**。这是一种不同层级的、基于已确定分类结果的再处理（融合）过程。对比文件未描述这种将两个已确定的、不同的上下文类别作为输入并进行融合以产生新类别的具体方法。因此，对比文件既未直接公开也未隐含公开此特征。 |
| **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，<br>**《未公开》** | 无直接对应引用。 | 由于对比文件未公开技术特征B（即融合两个不同上下文类别的过程），因此自然也未能公开融合类别与这两个类别之间“共有至少一个特性”的关联关系。此特征未被公开。 |
| **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。<br>**《隐含公开》** | 段落[0046]：“A simple classifier to determine whether a user is stationary or mobile may be built from several different data inputs...”<br>结合目标专利说明书[0032]的示例理解：“对于经训练以分别检测状态行走、坐及站立的三个监督运动分类器，当检测到坐及站立两者时，融合分类器240可输出标记为静止的状态。” | 对比文件公开了可以判断用户是“静止的（stationary）”还是“移动的（mobile）”。本领域技术人员结合目标专利的教导可以合理推断，“静止的（stationary）”是一个比“坐着（sitting）”和“站着（standing）”更宽泛的上位概念，它囊括了后两者“不移动”的共同特性。虽然对比文件没有明确描述从“坐着”和“站着”这两个具体类别融合出“静止”的过程，但其公开的“静止”状态本身在语义范围上宽于“坐着”或“站着”。根据隐含公开的宽松判断标准，可以认为对比文件隐含公开了存在比某些具体类别范围更广的类别这一概念。 |
| **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。<br>**《隐含公开》** | 段落[0046]（同上）提及“stationary”（静止）状态。<br>结合目标专利说明书[0032]的示例理解。 | 如对特征D的论述，对比文件公开的“静止（stationary）”状态，其标签在语义上可以囊括“坐着”和“站着”这两个更具体状态的标签（即都不移动）。虽然对比文件未明确阐述这种“语义囊封”关系，但基于其公开的类别名称及本领域技术人员的常识，可以合理推断出“静止”的语义范围包含了“坐着”和“站着”。因此，该特征被对比文件隐含公开。 |
| **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。<br>**《未公开》** | 无直接对应引用。对比文件描述了从传感器数据直接推断状态（见特征A引用），但未提及在确定最终上下文类别之前，存在一个“初始分类”以及需要获得与该初始分类相关的信息这一中间步骤。 | 目标专利此特征限定了在确定第一上下文类别时，需要先获得一个“初始分类”的相关信息。对比文件的推断过程是端到端的，没有公开这种两阶段（初始分类 -> 第一上下文类别）的分类架构，也没有提及“初始分类”这一概念。因此，该特征未被公开。 |
| **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。<br>**《未公开》** | 无直接对应引用。 | 对比文件完全未提及在分类或推断过程中使用或产生“置信度值”。该特征未被公开。 |
| **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。<br>**《未公开》** | 无直接对应引用。 | 由于对比文件未公开“置信度值”（特征G），因此基于置信度阈值触发融合的步骤自然也未被公开。 |
| **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。<br>**《未公开》** | 无直接对应引用。 | 对比文件未提及“初始分类的可操作性质”这一概念。该特征未被公开。 |
| **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。<br>**《未公开》** | 无直接对应引用。 | 由于对比文件未公开“初始分类的可操作性质”（特征I），因此基于此性质确定融合类别的步骤自然也未被公开。 |
| **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。<br>**《隐含公开》** | 段落[0068]：“Significant places are derived through a continuously evolving clustering, classification, and labeling approach. In the first step, location traces are collected from available sources... The importance of a cluster is identified by considering time-based inputs such as visitation frequency, dwell time, and regularity.”<br>段落[0102]：“A user's significant places are derived by analyzing location traces, mobility time statistics, and other data inputs.” | 对比文件公开了通过分析用户随时间变化的位置轨迹（location traces）等时间序列数据来识别“重要地点（significant places）”。这隐含了使用不同时间点（第一时间、第二时间等）的数据来确定用户状态（例如，在某个地点）的过程。虽然对比文件未明确将此过程表述为“基于第一和第二上下文类别确定融合类别”，但其分析时间序列数据以推导出更高级别状态（如“重要地点”）的方法，在广义上与本领域技术人员可能推理出的“基于不同时间的上下文数据进行融合推断”的思路相符。根据宽松的隐含公开判断标准，可以认为该特征被隐含公开。 |
| **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。<br>**《直接公开》** | 段落[0046]：“Accelerometer data may be analyzed to identify a number of physical activities, **including sitting, standing, using a mobile phone, walking, running, stair climbing, and others**.”<br>段落[0098]：“An activity classifier determines whether a user is **standing, walking, or running**.” | 对比文件明确公开了活动分类器（activity classifier）从一组预定的活动类别（如站着、行走、跑步）中确定用户的活动状态。这直接对应于“从多个预定的可用上下文类别中选择第一上下文类别”。因此，该技术特征被直接公开。 |
| **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。<br>**《隐含公开》** | 段落[0046]：“A simple classifier to determine whether a user is **stationary or mobile** may be built from several different data inputs...” | 对比文件公开了判断用户是“静止（stationary）”或“移动（mobile）”的分类器。这表明系统能够输出的状态集合中包含了“静止”和“移动”这样的类别。虽然未明确说明这些类别是“融合类别”，但如前所述，“静止”可被视为一个更广泛的、可能融合了“坐”、“站”等具体状态的类别。本领域技术人员可以合理推断，在构建此类分类系统时，其可输出的状态集合（如{静止， 移动}）是预先定义好的。因此，可以认为对比文件隐含公开了从预定的可用类别（其中包含范围更广的类别）中进行选择。 |
<<<A>>><<<L>>><<<d>>><<<e>>><<<k>>><<<m>>>