对比文件名称：2012-05-01_TW201218736A_发明专利_TW201218736A 用以提供情境感測及融合的方法與裝置 METHOD AND APPARATUS FOR PROVIDING CONTEXT SENSING AND FUSION
目标专利名称：363在语义上融合上下文推断CN104823433B
本次调用模型名称：DeepSeek-R1
### 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>**《隐含公开》** | “接收擷取自一個或多個實體感測器之實體感測器資料；接收擷取自一個或多個虛擬感測器之虛擬感測器資料；以及在一個作業系統階層下，執行該等實體感測器資料與虛擬感測器資料之情境融合。”（说明书第9页第20-24行，对应图9流程图） | 对比文件公开了从实体和虚拟传感器（即“至少一个数据源”）接收数据，并在操作系统层级下执行“情境融合”。进行情境融合的前提是已经或正在确定某种情境信息（即上下文类别）。本领域技术人员可以毫无疑义地推理出，在执行融合步骤之前或之中，必然存在一个基于传感器数据确定（一个或多个）初步或基础情境类别（即“第一上下文类别”）的步骤。虽然对比文件未明确使用“确定第一上下文类别”的表述，但该步骤是执行所公开的“情境融合”方法的内在、必要且隐含的技术特征。因此，技术特征A被对比文件隐含公开。 | |
| **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>**《隐含公开》** | “有一個第一階層之連續性情境擷取和融合，可能係在一個被配置來執行連續性感測器預處理、感測器管理、情境擷取之專屬低功率感測器處理器中，就實體感測器資料而加以執行…該主處理器…有關來自該感測器處理器之實體感測器的情境資訊，可能接著會在該等基層、中介軟體、和/或應用層下，與虛擬感測器資料…相融合，藉以提供更穩健、更精確、及更明確的情境資訊。”（说明书第7页第3-10行）<br>“在一個範例性實施例中，在一個作業系統階層下，執行該等實體感測器資料與虛擬感測器資料之情境融合，可能包括在該作業系統之第一階層下，執行所接收之實體感測器資料與第一組虛擬感測器資料之第一階層情境融合，以及在該作業系統之第二階層下，執行該第一階層情境融合之結果與第二組虛擬感測器資料的第二階層情境融合。”（说明书第9页第5-10行） | 对比文件详细描述了分层（或分阶段）的情境融合过程。例如，第一层级基于实体传感器数据产生“情境資訊”（可视为第一上下文类别），然后在更高层级（如基層、中介軟體）将该“情境資訊”与虚拟传感器数据（可视为第二上下文类别，其来源和内容不同于第一类别）进行融合，以产生更精确、明确的“情境資訊”（即融合类别）。这种将来自不同层级或不同数据源的类别信息进行融合以获得新类别的方法，本质上“至少部分通过融合所述第一上下文类别及…第二上下文类别来确定融合类别”。因此，技术特征B被对比文件隐含公开。 | |
| **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>**《隐含公开》** | “在每一個作業系統層下，各種實施例可能會基於該情境，而促成要完成之決策，使最佳化及遞送經改善之裝置性能。”（说明书第7页第11-13行）<br>“藉以提供更穩健、更精確、及更明確的情境資訊。”（说明书第7页第9-10行） | 对比文件指出，通过融合不同来源（实体与虚拟）或不同层级的情境信息，目的是获得更稳健、精确、明确的情境信息，以优化设备性能。本领域技术人员可以合理推断，融合后的类别（融合类别）之所以更优，是因为它继承了或关联于被融合的各类别（如第一、第二上下文类别）中共同、可靠或互补的特性（例如，更高的置信度、更广泛的语义覆盖、更稳定的状态描述）。虽然对比文件未明确点出“所共有的至少一个特性”这一表述，但融合操作的内在逻辑必然是基于输入类别之间的关联性或共性来产生有意义的输出。因此，技术特征C被对比文件隐含公开。 | |
| **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》** | “情境信心指數，可能會隨著該情境之傳播給較高的作業系統層，以及在與虛擬感測器之進一步情境融合完成時而增加。”（说明书第6页第31-33行）<br>“提供更穩健、更精確、及更明確的情境資訊。”（说明书第7页第9-10行）<br>图4展示了从“階層1融合”到“階層2融合”再到“階層3融合”，情境信心指数增加。 | 对比文件强调通过分层融合提升“情境信心指数”和信息的稳健性、精确性。本领域技术人员可以理解，更高层级的融合类别往往是对下层类别信息的概括、归纳或去歧义化，其语义范围通常比下层任何一个具体的输入类别更广、更抽象。例如，将具体的“行走”、“跑步”等运动状态融合为更广泛的“移动中”状态。虽然对比文件未使用“范围广”的直接描述，但其技术效果（提升信心、更稳健）和分层融合的架构强烈暗示了融合类别在语义或应用范围上更具包容性，即范围更广。因此，技术特征D被对比文件隐含公开。 | |
| **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。<br>**《未公开》** | （无相应内容） | 对比文件通篇未提及为融合类别设置“标签”，更未提及该标签在“语义上囊封”被融合类别的标签这一核心概念。目标专利强调通过标签的语义包含关系来实现融合，这是其特定技术手段。对比文件仅描述了数据或信息层面的融合，未涉及基于标签语义的封装操作。因此，技术特征E既未被直接公开，也未被隐含公开。 | |
| **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》** | （无相应内容） | 对比文件描述了从传感器接收数据并进行融合，但并未明确区分或提及一个独立的“初始分类”步骤，也未提及获得与该“初始分类”相关联的“用以确定第一上下文类别的信息”。其流程是接收数据后直接进行（可能是多级的）情境融合/擷取。目标专利中“获得与初始分类相关联的信息”是一个特定的、前置的信息获取步骤，对比文件中没有对应描述。因此，技术特征F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》** | （无相应内容） | 基于技术特征F未被公开，且对比文件虽然提到了“情境信心指数”，但并未将其描述为与一个“初始分类”相关联的“置信度值”，也未描述获取该值的具体步骤。因此，技术特征G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》** | （无相应内容） | 对比文件未描述基于某个分类的置信度值是否低于阈值来触发融合类别确定的逻辑。其融合是分层、持续或基于架构进行的，而非响应于特定置信度条件的动态决策。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>**《未公开》** | （无相应内容） | 对比文件未提及“初始分类的可操作性质”这一概念。因此，技术特征I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》** | （无相应内容） | 基于技术特征I未被公开，且对比文件未描述基于“可操作性质”来确定融合类别。因此，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>**《隐含公开》** | “合併該時間早先之方法，舉例而言，可能是諾基亞公司在2010年三月09日提交之專利申請案PCT/IB2010/051008‘自動情境辨識有關之自適應時基式先驗值’中所說明者，其揭示內容係藉由參照，使合併進本說明書中。”（说明书第5页第29-32行）<br>“其中，P(Y_j ,E_i \ | t)為來自該時間先驗值之環境和活動組合有關的概率。”（说明书第5页第26-27行） | 对比文件明确提及在决策融合中纳入“時間早先”（时间先验）信息。这意味着在确定当前情境（可视为融合类别）时，会考虑基于历史（第一时间之后或之前的第二时间）数据所得出的情境信息（第二上下文类别）。本领域技术人员可以合理推断，该方法隐含了使用不同时间点的数据来确定不同时间点的上下文类别，并基于这些类别进行融合。因此，技术特征K被对比文件隐含公开。 |
| **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>**《隐含公开》** | “該等環境E_i ，i=1,…,9，為汽車/公車、在家、會議/講座、辦公室、戶外、餐廳/酒館、商店、街道/公路、和火車/地鐵。該等活動Y_j ，j=1,…,7，為停頓/靜止、步行、跑步、火車/地鐵/電車、汽車/公車/摩托車、騎車、和溜滑板。”（说明书第5页第17-22行） | 对比文件明确列举了预定义的“環境”和“活動”类别集合。当系统进行情境识别或分类时，必然是从这些预定的类别集合中选择出最匹配当前传感器数据的类别。这隐含了“从多个预定的可用上下文类别中选择”的技术特征。虽然未明确说明“第一上下文类别”的确定过程，但这是分类器的常规工作方式。因此，技术特征L被对比文件隐含公开。 | |
| **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》** | 图4、5、6中展示了“階層1融合”、“階層2融合”、“階層3融合”以及最终输出的“情境1”、“情境2”、“情境3”。（说明书第4-5页，对应图4-6）<br>“在一個實施例中，該中介軟體，可能執行決策階層資料融合，而選擇可最大化方程式P(Y_j, E_i \ | M , A , t)=…之環境和活動組合”（说明书第5页第23-26行） | 对比文件展示了通过多层融合产生不同层级的融合结果（情境1、2、3）。这些结果本身就是不同层级的“融合类别”。在决策层融合中，系统通过最大化一个概率方程来“選擇”最优的“環境和活動組合”，这个组合就是一种融合类别。这隐含了存在一个预定义的输出空间（例如所有可能的環境-活動組合），融合过程是从中选择一个作为结果。因此，确定融合类别包括从多个预定的可用融合类别中选择，技术特征M被对比文件隐含公开。 |
<<<a>>><<<b>>><<<c>>><<<d>>><<<k>>><<<l>>><<<m>>>