对比文件名称：2011-11-17_WO2011141761A_发明申请_WO2011141761A1 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
本次调用的模型名称：DeepSeek-R1
作为资深专利代理师，我将严格按照目标专利权利要求的技术特征划分，结合目标专利说明书进行解释，并依据对比文件内容进行公开性判断。
### 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》** | [p0090] “Context extraction and continuous context sensing may therefore be feasible in a variety of contexts. For example, environmental context (indoor/outdoor, home/office, street/road, etc.), user context (active/idle, sitting/walking/running/cycling/commuting, etc.) and terminal context (active/idle, pocket/desk, charging, mounted, landscape/portrait, etc.).” | 目标专利中“第一上下文类别”指从传感器数据初步推断出的上下文状态，如“坐”、“站立”。对比文件明确公开了从物理和虚拟传感器数据中提取和确定多种上下文（如环境、用户活动、终端状态），例如“sitting/walking/running”等。这同样是基于数据源（传感器）确定上下文类别的过程。两者作用相同，都是进行初始的上下文识别。因此，本领域技术人员能毫无疑义地得出对比文件公开了该技术特征。 | ||||||
| **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>**《未直接公开也未隐含公开》** | [p0059] “...the sensor processor 78 may perform data level context fusion on the physical sensor data... a second level, and perhaps also subsequent levels, of context fusion may be performed to fuse the physical sensor data with virtual sensor data using the processor 70... The fusion manager 80 may fuse virtual sensor data and physical sensor data in the operating system layers of the apparatus.” <br> [p0074-p0075] “...forms a final hypothesis of the most likely environment and activity pair given the sensory hypotheses and one or more virtual sensors.” | 目标专利的核心在于将**已经确定的两个不同的上下文类别**（如“坐”和“站立”）进行语义融合，得到一个新的融合类别（如“静止”）。对比文件虽然广泛描述了“上下文融合”，但其融合的对象是**原始的、不同来源的传感器数据**（如物理传感器数据与虚拟传感器数据），或是来自不同处理层级的**中间上下文信息/假设**，目的是提高最终上下文判断的置信度（[p0059], [p0075]），而非将两个已确定的、语义上不同的上下文类别合并成一个在语义上更广泛的新类别。对比文件未公开“融合两个已确定的上下文类别”这一特定技术手段。 | ||||||
| **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>**《未直接公开也未隐含公开》** | 无对应内容。 | 目标专利的“融合类别”与原始类别“共有的特性”体现了语义上的包含关系，例如“静止”是“坐”和“站立”共有的“非移动”特性。对比文件中不同层级的融合是为了组合信息、提高置信度（如结合音频特征和加速度计特征判断环境与活动对），并未描述所产生的输出（如“环境-活动对”）与输入的各项数据或中间假设之间存在如目标专利所述的、在语义层面上“共有特性”的关联关系。该特征未被公开。 | ||||||
| **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>**《未直接公开也未隐含公开》** | 无对应内容。 | 目标专利说明书中明确举例“静止”比“坐”和“站立”范围更广（[0032]）。这是其“语义上囊封”概念的必然结果。对比文件的融合输出（如最终确定的“环境”和“活动”）是针对用户状态的具体判断，并不必然比用于得出该判断的中间数据或特征（如MFCC特征、加速度计特征）或中间假设（如基于音频的环境概率）在语义范畴上更广泛。该特征未被公开。 | ||||||
| **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>**《未直接公开也未隐含公开》** | 无对应内容。 | 目标专利强调为融合类别赋予一个在**语义上包含并概括**原始类别标签的新标签（如“静止”囊封“坐”和“站立”），这是其发明的核心思想之一（[0025], [0032]）。对比文件通篇未提及为融合后的上下文信息赋予具有此种语义囊封关系的新标签。其输出标签（如“walking”, “home”）是直接描述最终判断，而非对多个输入类别标签的语义概括。该特征未被公开。 | ||||||
| **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》** | [p0073] “The activity classifier may produce probabilities P(A\ | Y,) for the set of activities Yf, j=1 M. A may include at least one feature vector based on the accelerometer signal.” <br> [p0075] “...the middleware receives a likelihood for the environment based on the audio features ρ(M\ | E,), a probability for the activity based on the accelerometer data P(A\ | Yj)...” | 目标专利中“获得与初始分类相关联的信息”是为了进行后续的融合决策，例如获得置信度值。对比文件中，在中间件进行决策级融合（[p0075]）之前，需要从底层（如基带层）获得与初始分类（如基于音频的环境分类、基于加速度计的活动分类）相关的信息，例如分类器产生的“概率（probabilities）”或“似然（likelihood）”。这些信息正是用以确定或评估初始上下文类别（环境、活动）的信息。本领域技术人员可以合理推断，要进行后续的融合，必然需要先获得这些初始分类信息。因此，该特征被隐含公开。 | |||
| **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>**《直接公开》** | [p0075] “...the middleware receives a **likelihood** for the environment based on the audio features ρ(M\ | E,), a **probability** for the activity based on the accelerometer data P(A\ | Yj)...” | 目标专利中的“置信度值”用于衡量分类决策的可信度。对比文件明确记载了中间件接收基于音频特征的“似然（likelihood）”和基于加速度计数据的“概率（probability）”。在分类领域，“似然”和“概率”正是用于表示分类结果置信度的常见度量方式。两者作用相同，都是评估初始分类的可靠性。因此，本领域技术人员能毫无疑义地得出对比文件公开了获得置信度值。 | ||||
| **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>**《未直接公开也未隐含公开》** | 无对应内容。 | 目标专利说明书记载，当初始分类的置信度值“低”或“不合需要”时，触发融合分类器输出更广泛的融合类别（[0033], [0040]）。对比文件虽然提到了“置信度指数（context confidence index）”并通过融合提高它（[p0059], [p0090]），但从未公开基于某个分类结果的置信度值“等于或低于阈值”这一具体条件，来触发并决定输出一个不同的、更广泛的融合类别。该特征未被公开。 | ||||||
| **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>**《未直接公开也未隐含公开》** | 无对应内容。 | 目标专利中的“可操作性质”指分类器已知的行为特性，例如“已知此分类器通常混淆坐与站立”（[0046]）。对比文件未提及识别或利用分类器的此种特定行为模式或混淆倾向来指导融合决策。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>**《未直接公开也未隐含公开》** | 无对应内容。 | 如特征I所述，对比文件未公开“初始分类的可操作性质”，因此更不可能公开基于此性质来确定融合类别。该特征未被公开。 | ||||||
| **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》** | [p0073] “...receiving a feature vector from the sensor processor 78 at regular time intervals (e.g., every 1 second).” <br> [p0084] “...maximizing the equation P(Yi E,\ | M1A,t)= p(M\ | Ei)*P(A\ | Yj)*P(Yj Ei\ | t)*P(Yj,Ei), where P(Yj.Ei\ | t) is a probability for the environment and activity combination from the time prior.” | 目标专利该特征涉及利用时间序列上的多个上下文类别进行融合。对比文件公开了按时间间隔接收传感器数据特征（[p0073]），并且在进行决策级融合时，明确引入了“时间先验（time prior）”P(Yj,Ei\ | t)（[p0084]），该先验代表了基于时间的、对不同环境和活动组合发生概率的先验知识。这意味着融合决策考虑了过去时间（第一时间）的信息（隐含在时间先验中）和当前时间（第二时间）的传感器数据所确定的类别假设。本领域技术人员可以合理推断，要实现这种基于时间先验的融合，系统必然隐含了处理不同时间点数据或上下文信息的环节。因此，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>**《隐含公开》** | [p0073] “...activity classification may be performed... for classifying between running, walking, idle/still, bus/car, bicycling, and skateboarding activities.” <br> [p0077-p0084] 表格列举了预定义的环境类别（car/bus, home, office等）和活动类别（idle/still, walking等）。 | 目标专利中“预定的可用上下文类别”例如“行走、坐、站立”（[0032]）。对比文件中，分类器是在一组预定义的类别（如跑步、行走、静止、公交/汽车、骑自行车、滑板）中进行活动分类（[p0073]）；决策融合也是在预定义的环境和活动类别组合表格（[p0077-p0084]）中进行。这清楚地表明，上下文类别的确定是从预定集合中选择的结果。因此，该特征被隐含公开。 | ||||||
| **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>**《未直接公开也未隐含公开》** | 无对应内容。 | 目标专利中“预定的可用融合类别”是独立于原始上下文类别的另一组类别，例如“静止”、“行人运动”、“车辆运动”（[0032]），需要从中进行选择。对比文件的融合输出是直接基于输入（传感器数据、特征、概率）通过最大化方程等计算得到的具体“环境-活动对”（[p0084]），并未公开存在一组预先定义的、用于语义概括的“融合类别”集合供选择。该特征未被公开。 |
<<<A>>><<<G>>>
<<<f>>><<<k>>><<<l>>>