**对比文件名称**：2012-08-21_KR1020120092459A_发明公开_KR1020120092459A 모바일 단말을 이용한 상황 인식 서비스 제공 방법 및 그 시스템
**目标专利名称**：在语义上融合上下文推断CN104823433B
**本次调用的模型名称**：DeepSeek最新版本模型
### 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（段落标号/部分） | 公开性论述 | ||||
| **技术特征A**：《直接公开》<br>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 | [0055] 모바일 단말(110)은 GPS(Global Positioning System) 모듈, 근접 센서, 동작 센서, 조도 센서, 자이로 센서, 마이크 모듈, WiFi 모듈, 블루 투스 모듈 중 적어도 하나를 포함하는 스마트 폰으로 구현될 수 있다. ... 센싱 데이터는 위치 및 속도 데이터, 근접 여부 정보, 움직임 변화량, 단위 면적당 광도, 휴대폰의 방향, 자기장의 세기, 주변 소리의 크기, 잔여 배터리량 및 충전 케이블 연결 유무, 검색 가능한 무선 인터넷 정보, 인근의 블루투스 기기 정보, 구동 중인 프로그램에 대한 정보 중 적어도 하나를 포함할 수 있다.<br>[0073] 상황 추론 모듈(540)은 학습된 상황 모델을 기초로 모바일 단말(110)로부터 수신된 센싱 데이터를 이용하여 해당 단말의 현재 상황을 추론하고 그와 연관된 추천 정보를 제공할 수 있다.<br>[0082] ... 상황 인식 서버(120)는 전처리된 센싱 데이터에 대하여 적어도 하나의 토픽을 추출하고(단계 S930), 추출된 토픽을 이용하여 그에 해당하는 제1 상황 모델을 생성할 수 있다. | 对比文件明确公开了从移动终端（모바일 단말）的多个传感器（GPS、动作传感器等）收集传感数据（센싱 데이터），即“上下文相关数据”（[0055]）。并且，服务器（상황 인식 서버）使用这些数据来提取主题（토픽）并创建情境模型（상황 모델）（[0082]），即“确定第一上下文类别”。此过程在对比文件中作为情境感知服务的核心步骤，用于推断用户当前状态（[0073]），与目标专利中“确定第一上下文类别”的作用（作为上下文推断的基础）相同。因此，本领域技术人员能够毫无疑义地得出该技术方案。 | ||||
| **技术特征B**：《未公开》<br>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 | 未找到直接或隐含的对应内容。 | 对比文件描述了基于传感数据生成第一情境模型（제1 상황 모델），并通过推断从数据库中选择一个对应的情境模型（[0082]）。该过程是基于当前数据与历史模型的匹配，而非将两个不同的、已确定的上下文类别（如第一和第二上下文类别）进行“融合”以生成一个新的、范围更广的“融合类别”。目标专利的“融合”特指在语义上合并多个已有分类结果（例如“坐”和“站”融合为“静止”），而对比文件是单一路径的“生成-匹配”过程，未公开“融合”这一特定操作。 | ||||
| **技术特征C**：《未公开》<br>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 | 未找到直接或隐含的对应内容。 | 技术特征C是技术特征B中“融合”操作的直接结果和定义，即融合类别需体现出被融合的多个类别所共有的特性（例如“静止”是“坐”和“站”共有的“非移动”特性）。由于对比文件未公开“融合”操作，自然也未公开融合类别与多个原始类别之间的这种“共有特性”关联关系。 | ||||
| **技术特征D**：《未公开》<br>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 | 未找到直接或隐含的对应内容。 | 技术特征D进一步限定了融合类别的语义范围属性。对比文件中生成的情境模型（如“周二模式”、“周四模式”）或主题，是基于数据聚类和概率分布得出的，并未在文本中阐述或暗示不同类别之间存在范围上的广狭关系，例如一个类别在语义上囊括了另两个更具体的类别。因此，该特征未被公开。 | ||||
| **技术特征E**：《未公开》<br>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 | 未找到直接或隐含的对应内容。 | 技术特征E是“融合”操作在标签层面的具体体现。对比文件中的情境模型可能有其自身的标签或含义（如“Topic 2”），但并未描述该标签在语义上是为了“囊封”（encapsulate）其他更具体类别的标签而创建的。目标专利说明书强调了这种语义上的包含关系（例如“静止”囊封“坐”和“站”），这是其发明的核心点之一，而对比文件未涉及此概念。 | ||||
| **技术特征F**：《隐含公开》<br>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 | [0082] ... 상황 인식 서버(120)는 전처리된 센싱 데이터에 대하여 적어도 하나의 토픽을 추출하고(단계 S930), 추출된 토픽을 이용하여 그에 해당하는 제1 상황 모델을 생성할 수 있다. 여기에서, 제1 상황 모델은 수신된 센싱 데이터를 기초로 생성된 것으로, 상황 모델 데이터베이스(560)에 저장된 상황 모델에 정확히 일치하지 않을 수 있다. 따라서 상황 인식 서버(120)는 제1 상황 모델에 대하여 추론을 수행하여(추론의 상세한 방법은 도 1 내지 도 2에 상술함), 수신된 센싱 데이터에 해당하는 상황 모델을 상황 모델 데이터베이스에서 선택할 수 있다(단계 S950). | 对比文件公开了基于传感数据生成“第一情境模型”（제1 상황 모델），然后以此第一模型为基础，通过推理从数据库中选择最终对应的情境模型。生成“第一情境模型”的过程可以视为一个“初始分类”步骤，而“第一情境模型”本身及其相关的信息（如其主题分布）就是“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”。因为最终确定的上下文类别（从数据库中选择的模型）是基于这个初始信息（第一模型）通过推理确定的。本领域技术人员可以从这一过程中合理推断出获得了与初始分类相关的信息。 | ||||
| **技术特征G**：《未公开》<br>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 | [0031] ... 사후 분포를 계산하기 위해서는 근사 추론을 할 수 있다.<br>[0070] 상황 학습 모듈(540)은 전처리된 센싱 데이터에 대하여 토픽을 추출하고, 샘플링을 수행하여 사후 분포를 계산함으로써 상황 모델을 생성할 수 있다. | 对比文件在模型训练和推理中使用了概率方法（如后验分布计算、近似推理、吉布斯采样），这些方法在数学上会涉及概率值。然而，这些概率值主要用于模型内部的参数估计和优化，或用于计算模型的匹配度。对比文件文本并未明确将其描述为与一个“初始分类”决策相关联的、可供后续“融合”步骤使用的“置信度值”。目标专利中的“置信度值”特指分类器对其输出决策的确定性度量，并直接用于触发融合操作，两者作用不同。因此，不能认为对比文件直接或隐含公开了“获得置信度值”这一具体特征。 | ||||
| **技术特征H**：《未公开》<br>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 | 未找到直接或隐含的对应内容。 | 该特征明确限定了融合操作的触发条件是基于置信度值与阈值的比较。对比文件完全没有提及任何与分类决策相关的“置信度值”，更未提及基于此类数值与阈值的比较来触发任何类似“融合”的操作流程。因此，该特征未被公开。 | ||||
| **技术特征I**：《未公开》<br>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 | 未找到直接或隐含的对应内容。 | “可操作性质”在目标专利中指分类器已知的行为特性，例如其容易混淆哪些状态。对比文件通篇未提及任何关于分类器或模型本身的行为特性（如易混淆性）的识别或利用。因此，该特征未被公开。 | ||||
| **技术特征J**：《未公开》<br>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 | 未找到直接或隐含的对应内容。 | 由于特征I（识别可操作性质）未被公开，基于此性质来确定融合类别的特征J自然也未被公开。对比文件中的情境推断完全基于概率模型和数据的匹配，不涉及利用分类器行为特性来调整输出类别。 | ||||
| **技术特征K**：《未公开》<br>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 | [0058] 일 실시예에서, 모바일 단말(110)은 설정된 주기적 시간마다 센싱 데이터를 수집할 수 있다.<br>[0065] ... 수집한 데이터의 수가 N 개, 윈도우의 크기가 | W | , 윈도우 이동 거리가 s 라고 할 때, N/ | W | 개의 평균화된 데이터를 얻을 수 있다. | 对比文件确实公开了按设定周期收集时间序列的传感数据（[0058]），并使用滑动窗口进行平均化处理（[0065]），这表明其处理的是不同时间点的数据。然而，对比文件并未描述基于“第一”时间和“第二”时间的数据分别确定两个不同的“上下文类别”，然后基于这两个类别来确定一个“融合类别”的特定流程。其处理流程是将一段时间内的数据整体用于生成或匹配一个情境模型，而非分步确定并融合两个独立的类别。因此，该特征未被公开。 |
| **技术特征L**：《隐含公开》<br>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 | [0073] 상황 추론 모듈(540)은 학습된 상황 모델을 기초로 ... 해당 단말의 현재 상황을 추론...<br>[0082] ... 상황 인식 서버(120)는 제1 상황 모델에 대하여 추론을 수행하여 ... 수신된 센싱 데이터에 해당하는 상황 모델을 상황 모델 데이터베이스에서 선택할 수 있다(단계 S950).<br>[0072] 상황 모델 데이터베이스(560)는 상황 학습 모듈(540)에 의하여 생성된 상황 모델을 저장할 수 있다. | 对比文件公开了“情境模型数据库（상황 모델 데이터베이스）”，其中存储了预先通过学习生成的情境模型（[0072]）。在推理阶段，服务器基于当前数据生成第一模型，并通过推理从该数据库中选择一个对应的情境模型作为当前情境（[0073], [0082]）。这实质上是一个从多个预定可用模型（即“上下文类别”）中进行选择的过程。虽然对比文件用“选择情境模型”表述，而目标专利用“选择上下文类别”，但本领域技术人员可以理解，所选择的模型即代表了一种上下文类别或状态。因此，可以合理推断该特征被隐含公开。 | ||||
| **技术特征M**：《未公开》<br>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 | 未找到直接或隐含的对应内容。 | 该特征限定了“融合类别”本身也是从一个预定的集合中选择的。由于对比文件根本未公开“融合类别”这一概念（参见特征B、C的论述），因此自然也谈不上从一个预定的“融合类别”集合中进行选择。该特征未被公开。 |
<<<A>>><<<f>>><<<l>>>