对比文件名称：2012-05-10_US2012115453A_发明申请_US20120115453A1 SELF-AWARE PROFILE SWITCHING ON A MOBILE COMPUTING DEVICE
目标专利名称：363在语义上融合上下文推断CN104823433B
模型名称：DeepSeek
### 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<br>**《直接公开》** | [0033] “A mobile computing device can determine that it is currently travelling in a car based on a detected high rate of speed at which the device is travelling..., based on the device being docked in a car-adapted mobile device dock..., and/or based on a navigation application that is currently running on the device...”<br>[0047] “The context for the device 100 can be detected using a variety of sensors and/or data accessible to the mobile computing device 100, such as network interfaces (e.g., wireless network interface, 3G/4G network interface, USB interface, BLUETOOTH interface, etc.) and electronic calendar data and/or an electronic calendar application.”<br>[0077] “The example technique 300 starts at step 302 by detecting a current context associated with a mobile computing device.” | 对比文件公开了移动计算设备使用来自其数据源（如运动传感器、连接接口、应用程序等）的上下文相关数据来确定当前的上下文状态（例如“在汽车中”）。该上下文状态的确定在对比文件中用于识别设备所处的位置描述（如“汽车”），并作为后续配置文件切换决策的基础。这与目标专利中“使用上下文相关数据确定第一上下文类别”的技术特征在作用和目的上相同，都是对设备或用户的状态进行初步分类。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方案，技术特征A被直接公开。 |
| **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，<br>**《未公开》** | [0028] “With the described techniques, a mobile computing device can learn and use location descriptions to determine how and when to switch profiles for the mobile computing device.”<br>[0040] “The rules can be learned by the mobile computing device 100 based on the logged user actions and associated contexts 106a-n, and the learned location descriptions 108a-n.” | 对比文件的核心是根据检测到的上下文（可能包含多个特征）来识别一个单一的“位置描述”（如“会议室”），或者基于多个上下文特征应用一个规则来切换配置文件。然而，目标专利的“融合类别”特指通过融合两个或更多个不同的、已确定的上下文类别（如“坐”和“站立”）来产生一个新的、语义上更广泛的类别（如“静止”）。对比文件并未公开这种将多个独立的上下文分类结果进行“融合”以生成一个新类别的具体过程或概念。其“位置描述”是直接推断出的单一标签，而非由多个类别融合而成。因此，技术特征B未被直接或隐含公开。 |
| **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，<br>**《未公开》** | 无对应内容。 | 由于对比文件未公开技术特征B中的“融合类别”概念，因此自然也未曾提及该融合类别与多个原始上下文类别之间的“共有特性”关联。目标专利中此特征限定了融合类别的语义内涵，是对融合操作的进一步定义，在对比文件中找不到相应内容。 |
| **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>**《未公开》** | 无对应内容。 | 对比文件未公开“融合类别”的概念，因此也未曾比较融合类别与原始类别在范围上的宽广程度。目标专利中此特征明确了融合类别的上位属性，是其发明点之一，在对比文件中无对应教导。 |
| **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>**《未公开》** | 无对应内容。 | 对比文件中的位置描述标签（如“会议室”、“汽车”）是直接描述一个地点或场景，并非设计用来在语义上“囊封”其他多个更具体分类的标签（例如，“静止”囊封“坐”和“站立”）。目标专利此特征是其“语义融合”核心思想的具体体现，在对比文件中未被公开。 |
| **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>**《隐含公开》** | [0033] “...can be learned based on user activity (or inactivity) and a context associated with a mobile device.”<br>[0040] “The rules can be learned by the mobile computing device 100 based on the logged user actions and associated contexts 106a-n, and the learned location descriptions 108a-n.”<br>[0079] “In some implementations, manual adjustment of one or more settings... of the mobile computing device can be detected (303). In such implementations, detection of the settings being manually adjusted can serve as a trigger for the mobile computing device to activate techniques to learn location descriptions and/or rules for profile switching.” | 对比文件描述了移动设备通过记录用户操作（如手动调整设置）及其关联的上下文，来学习位置描述和规则。这个过程隐含了设备需要“获得”与当前初步判断或学习过程（可视为一种“初始分类”）相关的信息，例如用户的操作行为、当时的上下文数据等，以便最终确定或学习一个位置描述（相当于目标专利中的“上下文类别”）。虽然对比文件未使用“初始分类”这一术语，但本领域技术人员可以合理推断，在确定或学习一个稳定的上下文类别（位置描述）之前，系统必然需要收集和分析相关的初始信息。因此，技术特征F被隐含公开。 |
| **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>**《隐含公开》** | [0044] “For example, a location description and/or a profile switching rule may not be created by the device 100 unless a threshold number of actions... supporting such a location and/or rule exist.”<br>[0081] “Until a threshold confidence has been established by a mobile computing device for the learned location descriptions and/or rules, the mobile computing device may perform the steps 302-306 without performing automatic profile switching steps...” | 对比文件多次提到使用“阈值数量”的行动来支持一个位置描述或规则，以及建立“阈值置信度”后才启用自动切换功能。这隐含了系统在学习和应用分类（位置描述）时，会对该分类的可靠性有一个评估，这个评估可以理解为一种“置信度”度量。虽然可能没有明确命名为“置信度值”，但“阈值”的存在和基于统计次数建立可靠性的逻辑，使得本领域技术人员能够合理推断出系统在处理分类时涉及对分类确定性程度的考量，即获得了与分类相关的置信度信息。因此，技术特征G被隐含公开。 |
| **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》** | 无对应内容。 | 对比文件虽然提到了“置信度”或类似概念，但其应用场景是决定是否“创建”一个位置描述/规则，或者是否“启用”自动切换功能。而目标专利此特征明确限定了“确定融合类别”这一特定动作的触发条件是初始分类的置信度低（等于或低于阈值）。对比文件完全没有公开“融合类别”的确定，更未将其与低置信度条件相关联。因此，技术特征H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>**《隐含公开》** | [0033] “During the duration of the meeting period, the mobile device can learn an associated context with the conference room (location description)... The mobile computing device can then identify that it is located in the conference when a context matching or within a threshold similarity to the learned context for the conference room is detected. Such an identification can be used by the mobile computing device to determine whether to switch the device's current profile...”<br>[0040] “This rule 112a can be learned based on a variety of the user actions 106a-n, including the action 106a which indicated that the mobile computing device 100 was located in the conference room (location description 108a) when the ringer was turned off.” | 对比文件详细描述了系统如何学习规则：通过观察用户在特定上下文（位置描述）下采取的特定设备操作（如关闭铃声）。这表明系统能够识别某个上下文分类（如“在会议室”）与一个可执行的操作（“关闭铃声”）之间的关联性，即识别了该分类的“可操作性质”。虽然目标专利的“可操作性质”可能指分类器本身的行为特性（如易混淆性），而对比文件更多是指该上下文所关联的用户操作，但本领域技术人员可以合理拓宽理解，将系统对“在何种分类下应采取何种操作”的认知，视为对分类“可操作性质”的一种识别。因此，技术特征I被隐含公开。 |
| **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》** | 无对应内容。 | 对比文件利用识别出的可操作性质（用户操作模式）来学习“配置文件切换规则”，而非用来确定一个“融合类别”。由于“确定融合类别”这一动作本身在对比文件中未公开，因此基于任何性质（包括可操作性质）来确定融合类别也就无从谈起。技术特征J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>**《未公开》** | [0033] “The mobile computing device can learn an associated context with the conference room... The mobile computing device can then identify that it is located in the conference when a context matching or within a threshold similarity to the learned context for the conference room is detected.”<br>[0077] “The example technique 300 starts at step 302 by detecting a current context associated with a mobile computing device.” | 对比文件中的上下文检测是持续进行的，并且系统会将当前检测到的上下文与之前学习到的上下文模式进行匹配，以识别当前位置。这涉及不同时间点的数据。然而，这种时间维度的使用是为了进行模式匹配和状态识别，而不是为了分别确定两个独立的上下文类别（第一、第二上下文类别），然后再将这两个类别进行融合以产生第三个“融合类别”。目标专利此特征明确描述了基于不同时间点数据确定的两个类别进行融合的时序融合过程，这在对比文件中没有对应公开。 |
| **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》** | [0048] “To perform such identification, the device 100 references the learned location descriptions 108a-n and attempts to find a learned location description that matches the current context with at least a threshold amount of similarity.”<br>[0082] “At step 308, a location description at which a mobile computing device is physically located can identified be based on the current context detected at step 302.” | 对比文件明确公开了移动设备拥有一组学习到的“位置描述”（如会议定、工作计算机、家、汽车等），这些构成了多个预定的可用上下文类别。当检测到当前上下文时，设备会从这组预定的类别中，选择一个与当前上下文最匹配的位置描述作为识别结果。这完全对应于“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”。该选择过程在对比文件中用于定位设备，与目标专利中确定上下文类别的作用类似。因此，技术特征L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>**《未公开》** | 无对应内容。 | 对比文件未公开“融合类别”的概念，因此更不存在一组“预定的可用融合类别”供选择。目标专利此特征限定了融合类别的确定方式，是对技术特征B的进一步细化，在对比文件中无任何依据。 |
<<<A>>><<<L>>><<<f>>><<<g>>><<<i>>>