EN
https://www.gov.cn/
  題: 關於修改《專利審查指南》的公告(第343號) 發文機關: 知識産權局
發文字號: 知識産權局公告第343號   源: 知識産權局網站
主題分類: 科技、教育\知識産權 公文種類: 公告
成文日期: 2019年12月31日
  • 標       題: 關於修改《專利審查指南》的公告(第343號)
  • 發文機關:知識産權局
  • 發文字號:知識産權局公告第343號
  • 來       源:知識産權局網站
  • 主題分類:科技、教育\知識産權
  • 公文種類:公告
  • 成文日期:2019年12月31日

國家知識産權局公告
第三四三號

為全面貫徹黨中央、國務院關於加強知識産權保護的決策部署,回應創新主體對進一步明確涉及人工智慧等新業態新領域專利申請審查規則的需求,決定對《專利審查指南》作出修改,現予發佈,自2020年2月1日起施行。

特此公告。

國家知識産權局

2019年12月31日


國家知識産權局關於修改《專利審查指南》的決定

國家知識産權局決定對《專利審查指南》作出修改。

在《專利審查指南》第二部分第九章增加第6節,內容如下:

6. 包含算法特徵或商業規則和方法特徵的發明專利申請審查相關規定

涉及人工智慧、“互聯網+”、大數據以及區塊鏈等的發明專利申請,一般包含算法或商業規則和方法等智力活動的規則和方法特徵,本節旨在根據專利法及其實施細則,對這類申請的審查特殊性作出規定。

6.1 審查基準

審查應當針對要求保護的解決方案,即權利要求所限定的解決方案進行。在審查中,不應當簡單割裂技術特徵與算法特徵或商業規則和方法特徵等,而應將權利要求記載的所有內容作為一個整體,對其中涉及的技術手段、解決的技術問題和獲得的技術效果進行分析。

6.1.1 根據專利法第二十五條第一款第(二)項的審查

如果權利要求涉及抽象的算法或者單純的商業規則和方法,且不包含任何技術特徵,則這項權利要求屬於專利法第二十五條第一款第(二)項規定的智力活動的規則和方法,不應當被授予專利權。例如,一種基於抽象算法且不包含任何技術特徵的數學模型建立方法,屬於專利法第二十五條第一款第(二)項規定的不應當被授予專利權的情形。再如,一種根據用戶的消費額度進行返利的方法,該方法中包含的特徵全部是與返利規則相關的商業規則和方法特徵,不包含任何技術特徵,屬於專利法第二十五條第一款第(二)項規定的不應當被授予專利權的情形。

如果權利要求中除了算法特徵或商業規則和方法特徵,還包含技術特徵,該權利要求就整體而言並不是一種智力活動的規則和方法,則不應當依據專利法第二十五條第一款第(二)項排除其獲得專利權的可能性。

6.1.2 根據專利法第二條第二款的審查

如果要求保護的權利要求作為一個整體不屬於專利法第二十五條第一款第(二)項排除獲得專利權的情形,則需要就其是否屬於專利法第二條第二款所述的技術方案進行審查。

對一項包含算法特徵或商業規則和方法特徵的權利要求是否屬於技術方案進行審查時,需要整體考慮權利要求中記載的全部特徵。如果該項權利要求記載了對要解決的技術問題採用了利用自然規律的技術手段,並且由此獲得符合自然規律的技術效果,則該權利要求限定的解決方案屬於專利法第二條第二款所述的技術方案。例如,如果權利要求中涉及算法的各個步驟體現出與所要解決的技術問題密切相關,如算法處理的數據是技術領域中具有確切技術含義的數據,算法的執行能直接體現出利用自然規律解決某一技術問題的過程,並且獲得了技術效果,則通常該權利要求限定的解決方案屬於專利法第二條第二款所述的技術方案。

6.1.3 新穎性和創造性的審查

對包含算法特徵或商業規則和方法特徵的發明專利申請進行新穎性審查時,應當考慮權利要求記載的全部特徵,所述全部特徵既包括技術特徵,也包括算法特徵或商業規則和方法特徵。

對既包含技術特徵又包含算法特徵或商業規則和方法特徵的發明專利申請進行創造性審查時,應將與技術特徵功能上彼此相互支持、存在相互作用關係的算法特徵或商業規則和方法特徵與所述技術特徵作為一個整體考慮。“功能上彼此相互支持、存在相互作用關係”是指算法特徵或商業規則和方法特徵與技術特徵緊密結合、共同構成了解決某一技術問題的技術手段,並且能夠獲得相應的技術效果。

例如,如果權利要求中的算法應用於具體的技術領域,可以解決具體技術問題,那麼可以認為該算法特徵與技術特徵功能上彼此相互支持、存在相互作用關係,該算法特徵成為所採取的技術手段的組成部分,在進行創造性審查時,應當考慮所述的算法特徵對技術方案作出的貢獻。

再如,如果權利要求中的商業規則和方法特徵的實施需要技術手段的調整或改進,那麼可以認為該商業規則和方法特徵與技術特徵功能上彼此相互支持、存在相互作用關係,在進行創造性審查時,應當考慮所述的商業規則和方法特徵對技術方案作出的貢獻。

6.2 審查示例

以下,根據上述審查基準,給出包含算法特徵或商業規則和方法特徵的發明專利申請的審查示例。

(1)屬於專利法第二十五條第一款第(二)項範圍之內的包含算法特徵或商業規則和方法特徵的發明專利申請,不屬於專利保護的客體。

【例1】

一種建立數學模型的方法

申請內容概述

發明專利申請的解決方案是一種建立數學模型的方法,通過增加訓練樣本數量,提高建模的準確性。該建模方法將與第一分類任務相關的其它分類任務的訓練樣本也作為第一分類任務數學模型的訓練樣本,從而增加訓練樣本數量,並利用訓練樣本的特徵值、提取特徵值、標簽值等對相關數學模型進行訓練,並最終得到第一分類任務的數學模型,克服了由於訓練樣本少導致過擬合而建模準確性較差的缺陷。

申請的權利要求

一種建立數學模型的方法,其特徵在於,包括以下步驟:

根據第一分類任務的訓練樣本中的特徵值和至少一個第二分類任務的訓練樣本中的特徵值,對初始特徵提取模型進行訓練,得到目標特徵提取模型;其中,所述第二分類任務是與所述第一分類任務相關的其它分類任務;

根據所述目標特徵提取模型,分別對所述第一分類任務的每個訓練樣本中的特徵值進行處理,得到所述每個訓練樣本對應的提取特徵值;

將所述每個訓練樣本對應的提取特徵值和標簽值組成提取訓練樣本,對初始分類模型進行訓練,得到目標分類模型;

將所述目標分類模型和所述目標特徵提取模型組成所述第一分類任務的數學模型。

分析及結論

該解決方案不涉及任何具體的應用領域,其中處理的訓練樣本的特徵值、提取特徵值、標簽值、目標分類模型以及目標特徵提取模型都是抽象的通用數據,利用訓練樣本的相關數據對數學模型進行訓練等處理過程是一系列抽象的數學方法步驟,最後得到的結果也是抽象的通用分類數學模型。該方案是一種抽象的模型建立方法,其處理對象、過程和結果都不涉及與具體應用領域的結合,屬於對抽象數學方法的優化,且整個方案並不包括任何技術特徵,該發明專利申請的解決方案屬於專利法第二十五條第一款第(二)項規定的智力活動的規則和方法,不屬於專利保護客體。

(2)為了解決技術問題而利用技術手段並獲得技術效果的包含算法特徵或商業規則和方法特徵的發明專利申請,屬於專利法第二條第二款規定的技術方案,因而屬於專利保護的客體。

【例2】

一種卷積神經網絡模型的訓練方法

申請內容概述

發明專利申請的解決方案是,在各級卷積層上對訓練圖像進行卷積操作和最大池化操作後,進一步對最大池化操作後得到的特徵圖像進行水平池化操作,使訓練好的CNN模型在識別圖像類別時能夠識別任意尺寸的待識別圖像。

申請的權利要求

一種卷積神經網絡CNN模型的訓練方法,其特徵在於,所述方法包括:

獲取待訓練CNN模型的初始模型參數,所述初始模型參數包括各級卷積層的初始卷積核、所述各級卷積層的初始偏置矩陣、全連接層的初始權重矩陣和所述全連接層的初始偏置向量;

獲取多個訓練圖像;

在所述各級卷積層上,使用所述各級卷積層上的初始卷積核和初始偏置矩陣,對每個訓練圖像分別進行卷積操作和最大池化操作,得到每個訓練圖像在所述各級卷積層上的第一特徵圖像;

對每個訓練圖像在至少一級卷積層上的第一特徵圖像進行水平池化操作,得到每個訓練圖像在各級卷積層上的第二特徵圖像;

根據每個訓練圖像在各級卷積層上的第二特徵圖像確定每個訓練圖像的特徵向量;

根據所述初始權重矩陣和初始偏置向量對每個特徵向量進行處理,得到每個訓練圖像的類別概率向量;

根據所述每個訓練圖像的類別概率向量及每個訓練圖像的初始類別,計算類別誤差;

基於所述類別誤差,對所述待訓練CNN模型的模型參數進行調整;

基於調整後的模型參數和所述多個訓練圖像,繼續進行模型參數調整的過程,直至迭代次數達到預設次數;

將迭代次數達到預設次數時所得到的模型參數作為訓練好的CNN模型的模型參數。

分析及結論

該解決方案是一種卷積神經網絡CNN模型的訓練方法,其中明確了模型訓練方法的各步驟中處理的數據均為圖像數據以及各步驟如何處理圖像數據,體現出神經網絡訓練算法與圖像信息處理密切相關。該解決方案所解決的是如何克服CNN模型僅能識別具有固定尺寸的圖像的技術問題,採用了在不同卷積層上對圖像進行不同處理並訓練的手段,利用的是遵循自然規律的技術手段,獲得了訓練好的CNN模型能夠識別任意尺寸待識別圖像的技術效果。因此,該發明專利申請的解決方案屬於專利法第二條第二款規定的技術方案,屬於專利保護客體。

【例3】

一種共享單車的使用方法

申請內容概述

發明專利申請提出一種共享單車的使用方法,通過獲取用戶終端設備的位置信息和對應一定距離範圍內的共享單車的狀態信息,使用戶可以根據共享單車的狀態信息準確地找到可以騎行的共享單車進行騎行,並通過提示引導用戶進行停車,該方法方便了共享單車的使用和管理,節約了用戶的時間,提升了用戶體驗。

申請的權利要求

一種共享單車的使用方法,其特徵在於,包括以下步驟:

步驟一,用戶通過終端設備向服務器發送共享單車的使用請求;

步驟二,服務器獲取用戶的第一位置信息,查找與所述第一位置信息對應一定距離範圍內的共享單車的第二位置信息,以及這些共享單車的狀態信息,將所述共享單車的第二位置信息和狀態信息發送到終端設備,其中第一位置信息和第二位置信息是通過GPS信號獲取的;

步驟三,用戶根據終端設備上顯示的共享單車的位置信息,找到可以騎行的目標共享單車;

步驟四,用戶通過終端設備掃描目標共享單車車身上的二維碼,通過服務器認證後,獲得目標共享單車的使用權限;

步驟五,服務器根據騎行情況,向用戶推送停車提示,若用戶將車停放在指定區域,則採用優惠資費進行計費,否則採用標準資費進行計費;

步驟六,用戶根據所述提示進行選擇,騎行結束後,用戶進行共享單車的鎖車動作,共享單車檢測到鎖車狀態後向服務器發送騎行完畢信號。

分析及結論

該解決方案涉及一種共享單車的使用方法,所要解決的是如何準確找到可騎行共享單車位置並開啟共享單車的技術問題,該方案通過執行終端設備和服務器上的計算機程序實現了對用戶使用共享單車行為的控制和引導,反映的是對位置信息、認證等數據進行採集和計算的控制,利用的是遵循自然規律的技術手段,實現了準確找到可騎行共享單車位置並開啟共享單車等技術效果。因此,該發明專利申請的解決方案屬於專利法第二條第二款規定的技術方案,屬於專利保護的客體。

【例4】

一種區塊鏈節點間通信方法及裝置

申請內容概述

發明專利申請提出一種區塊鏈節點通信方法和裝置,區塊鏈中的業務節點在建立通信連接之前,可以根據通信請求中攜帶的CA證書以及預先配置的CA信任列表,確定是否建立通信連接,從而減少了業務節點洩露隱私數據的可能性,提高了區塊鏈中存儲數據的安全性。

申請的權利要求

一種區塊鏈節點通信方法,區塊鏈網絡中的區塊鏈節點包括業務節點,其中,所述業務節點存儲證書授權中心CA發送的證書,並預先配置有CA信任列表,所述方法包括:

第一區塊鏈節點接收第二區塊鏈節點發送的通信請求,其中,所述通信請求中攜帶有第二區塊鏈節點的第二證書;

確定所述第二證書對應的CA標識;

判斷確定出的所述第二證書對應的CA標識,是否存在於所述CA信任列表中;

若是,則與所述第二區塊鏈節點建立通信連接;

若否,則不與所述第二區塊鏈節點建立通信連接。

分析及結論

本申請要解決的問題是聯盟鏈網絡中如何防止區塊鏈業務節點洩露用戶隱私數據的問題,屬於提高區塊鏈數據安全性的技術問題,通過在通信請求中攜帶CA證書並預先配置CA信任列表的方式確定是否建立連接,限制了業務節點可建立連接的對象,利用的是遵循自然規律的技術手段,獲得了業務節點間安全通信和減少業務節點洩露隱私數據可能性的技術效果。因此,該發明專利申請的解決方案屬於專利法第二條第二款規定的技術方案,屬於專利保護的客體。

(3)未解決技術問題,或者未利用技術手段,或者未獲得技術效果的包含算法特徵或商業規則和方法特徵的發明專利申請,不屬於專利法第二條第二款規定的技術方案,因而不屬於專利保護的客體。

【例5】

一種消費返利的方法

申請內容概述

發明專利申請提出一種消費返利的方法,通過計算機執行設定的返利規則給予消費的用戶現金券,從而提高了用戶的消費意願,為商家獲得了更多的利潤。

申請的權利要求

一種消費返利的方法,其特徵在於,包括以下步驟:

用戶在商家進行消費時,商家根據消費的金額返回一定的現金券,具體地,

商家採用計算機對用戶的消費金額進行計算,將用戶的消費金額R劃分為M個區間,其中,M為整數,區間1到區間M的數值由小到大,將返回現金券的額度F也分為M個值,M個數值也由小到大進行排列;

根據計算機的計算值,判斷當用戶本次消費金額位於區間1時,返利額度為第1個值,當用戶本次消費金額位於區間2時,返利額度為第2個值,依次類推,將相應區間的返利額度返回給用戶。

分析及結論

該解決方案涉及一種消費返利的方法,該方法是由計算機執行的,其處理對像是用戶的消費數據,所要解決的是如何促進用戶消費的問題,不構成技術問題,所採用的手段是通過計算機執行人為設定的返利規則,但對計算機的限定只是按照指定的規則根據用戶消費金額確定返利額度,不受自然規律的約束,因而未利用技術手段,該方案獲得的效果僅僅是促進用戶消費,不是符合自然規律的技術效果。因此,該發明專利申請不屬於專利法第二條第二款規定的技術方案,不屬於專利保護的客體。

【例6】

一種基於用電特徵的經濟景氣指數分析方法

申請內容概述

發明專利申請通過統計各項經濟指標和用電指標,來評估待檢測地區的經濟景氣指數。

申請的權利要求

一種基於地區用電特徵的經濟景氣指數分析方法,其特徵在於,包括以下步驟:

根據待檢測地區的經濟數據和用電數據,選定待檢測地區的經濟景氣指數的初步指標,其中,所述初步指標包括經濟指標和用電指標;

通過計算機執行聚類分析方法和時差相關分析法,確定所述待檢測地區的經濟景氣指標體系,包括先行指標、一致指標和滯後指標;

根據所述待檢測地區的經濟景氣指標體系,採用合成指數計算方法,獲取所述待檢測地區的經濟景氣指數。

分析及結論

該解決方案是一种經濟景氣指數的分析和計算方法,該方法是由計算機執行的,其處理對像是各种經濟指標、用電指標,解決的問題是對經濟走勢進行判斷,不構成技術問題,所採用的手段是根據經濟數據和用電數據對經濟情況進行分析,僅是依照經濟學規律採用經濟管理手段,不受自然規律的約束,因而未利用技術手段,該方案最終可以獲得用於評估經濟的經濟景氣指數,不是符合自然規律的技術效果,因此該解決方案不屬於專利法第二條第二款規定的技術方案,不屬於專利保護的客體。

(4)在進行創造性審查時,應當考慮與技術特徵在功能上彼此相互支持、存在相互作用關係的算法特徵或商業規則和方法特徵對技術方案作出的貢獻。

【例7】

一種基於多傳感器信息倣人機器人跌倒狀態檢測方法

申請內容概述

現有對倣人機器人步行時跌倒狀態的判定主要利用姿態信息或ZMP點位置信息,但這樣判斷是不全面的。發明專利申請提出了基於多傳感器檢測倣人機器人跌倒狀態的方法,通過實時融合機器人步態階段信息、姿態信息和ZMP點位置信息,並利用模糊決策系統,判定機器人當前的穩定性和可控性,為機器人下一步動作提供參考。

申請的權利要求

一種基於多傳感器信息倣人機器人跌倒狀態檢測方法,其特徵在於包含如下步驟:

(1)通過對姿態傳感器信息、零力矩點ZMP傳感器信息和機器人步行階段信息進行融合,建立分層結構的傳感器信息融合模型;

(2)分別利用前後模糊決策系統和左右模糊決策系統來判定機器人在前後方向和左右方向的穩定性,具體步驟如下:

①根據機器人支撐腳和地面之間的接觸情況與離線步態規劃確定機器人步行階段;

②利用模糊推理算法對ZMP點位置信息進行模糊化;

③利用模糊推理算法對機器人的俯仰角或滾動角進行模糊化;

④確定輸出隸屬函數;

⑤根據步驟①~步驟④確定模糊推理規則;

⑥去模糊化。

分析及結論

對比文件1公開了倣人機器人的步態規劃與基於傳感器信息的反饋控制,並根據相關融合信息對機器人穩定性進行判斷,其中包括根據多個傳感器信息進行倣人機器人穩定狀態評價,即對比文件1公開了發明專利申請的解決方案中的步驟(1),該解決方案與對比文件1的區別在於採用步驟(2)的具體算法的模糊決策方法。

基於申請文件可知,該解決方案有效地提高了機器人的穩定狀態以及對其可能跌倒方向判讀的可靠性和準確率。姿態信息、ZMP點位置信息以及步行階段信息作為輸入參數,通過模糊算法輸出判定倣人機器人穩定狀態的信息,為進一步發出準確的姿勢調整指令提供依據。因此,上述算法特徵與技術特徵在功能上彼此相互支持、存在相互作用關係,相對於對比文件1,確定發明實際解決的技術問題為:如何判斷機器人穩定狀態以及準確預測其可能的跌倒方向。上述模糊決策的實現算法及將其應用於機器人穩定狀態的判斷均未被其它對比文件公開,也不屬於本領域公知常識,現有技術整體上並不存在使本領域技術人員改進對比文件1以獲得要求保護髮明的啟示,要求保護的發明技術方案相對於最接近的現有技術是非顯而易見的,具備創造性。

【例8】

基於合作協進化和多種群遺傳算法的多機器人路徑規劃系統

申請內容概述

現有的多移動機器人運動規劃控制結構通常採用集中式規劃方法,該方法將多機器人系統視為一個具有多個自由度的複雜機器人,由系統中的一個規劃器來統一完成對所有機器人的運動規劃,其缺點在於計算時間較長,實用性不佳。發明專利申請提供了一種基於協作進化和多種群遺傳算法的多機器人路徑規劃系統。機器人的每一條路徑都採用一個染色體表示,將最短距離、平滑度、安全距離作為設計路徑適應度函數的三個目標,通過Messy遺傳算法對每個機器人的路徑進行優化得到最佳路徑。

申請的權利要求

一種基於合作協進化和多種群遺傳算法的多機器人路徑規劃系統,其特徵在於:

(1)機器人的一條路徑採用一個染色體表示,染色體就表示成節點的鏈表形式,即[(x,y),time],(x,y,time∈R),(x,y)表示機器人的位置坐標,time表示從前一個節點移動本節點需要的時間消耗,開始節點的time等於0,每個機器人個體的染色體除了初始節點的初始位置,結束節點的目標位置固定以外,中間節點和節點個數都是可變的;

(2)每個機器人Robot(i)的路徑path(j)的適應度函數表示成φ(pi,j):

||pi,j||=Distance(pi,j)+ws×smooth(pi,j)+wt×Time(pi,j)

其中||pi,j||是距離、平滑度和時間消耗的線性組合,ws是平滑加權因子,wt是時間加權因子;Distance(pi,j)表示路徑長度,smooth(pi,j)表示路徑的平滑度,Time(pi,j)是路徑pi,j的時間消耗;每個機器人採用所述適應度函數,通過Messy遺傳算法優化得到最優路徑。

分析及結論

對比文件1公開了一種基於合作協進化的多機器人路徑規劃方法,其中採用適應度函數,通過混沌遺傳算法來獲得最優路徑。發明專利申請的解決方案與對比文件1的區別在於通過Messy遺傳算法來實現多機器人路徑規劃。

在該解決方案中,採用Messy遺傳算法優化後得到機器人的前進路徑,該解決方案的算法特徵與技術特徵在功能上相互支持、存在相互作用關係,實現了對機器人前進路徑的優化。相對於對比文件1,確定發明實際解決的技術問題為:如何基於特定的算法使機器人以最優路徑前進。對比文件2已經公開了包括所述混沌遺傳算法在內的多種遺傳算法都可被用來進行路徑優化,同時採用Messy遺傳算法可以解決其他算法的弊端,從而獲得更合理的優化結果。基於對比文件2給出的啟示,本領域技術人員有動機將對比文件1與對比文件2結合得到發明專利申請的技術方案。因此,要求保護的發明技術方案相對於對比文件1和對比文件2的結合是顯而易見的,不具備創造性。

【例9】

一種物流配送方法

申請內容概述

在貨物配送過程中,如何有效提高貨物配送效率以及降低配送成本,是發明專利申請所要解決的問題。在物流人員到達配送地點後,可以通過服務器向訂貨用戶終端推送消息的形式同時通知特定配送區域的多個訂貨用戶進行提貨,達到了提高貨物配送效率以及降低配送成本的目的。

申請的權利要求

一種物流配送方法,其通過批量通知用戶取件的方式來提高物流配送效率,該方法包括:

當派件員需要通知用戶取件時,派件員通過手持的物流終端向服務器發送貨物已到達的通知;

服務器批量通知派件員派送範圍內的所有訂貨用戶;

接收到通知的訂貨用戶根據通知信息完成取件;

其中,服務器進行批量通知具體實現方式為,服務器根據物流終端發送的到貨通知中所攜帶的派件員ID、物流終端當前位置以及對應的配送範圍,確定該派件員ID所對應的、以所述物流終端的當前位置為中心的配送距離範圍內的所有目標訂單信息,然後將通知信息推送給所有目標訂單信息中的訂貨用戶賬號所對應的訂貨用戶終端。

分析及結論

對比文件1公開了一種物流配送方法,其由物流終端對配送單上的條碼進行掃描,並將掃描信息發送給服務器以通知服務器貨物已經到達;服務器獲取掃描信息中的訂貨用戶信息,並向該訂貨用戶發出通知;接收到通知的訂貨用戶根據通知信息完成取件。

發明專利申請的解決方案與對比文件1的區別在於批量通知用戶訂貨到達,為實現批量通知,方案中服務器、物流終端和用戶終端之間的數據架構和數據通信方式均做出了相應調整,取件通知規則和具體的批量通知實現方式在功能上彼此相互支持、存在相互作用關係。相對於對比文件1,確定發明實際解決的技術問題是如何提高訂單到達通知效率進而提高貨物配送效率。從用戶角度來看,用戶可以更快地獲知訂貨到達情況的信息,也提高了用戶體驗。由於現有技術並不存在對上述對比文件1做出改進從而獲得發明專利申請的解決方案的技術啟示,該解決方案具備創造性。

【例10】

一種動態觀點演變的可視化方法

申請內容概述

近年來人們越來越多地通過社交平臺發表他們的意見和想法,人們在社交平臺上發表的帶有情感的內容反映了人們觀點的演變,並可以由此看出事件的發展、變化和趨勢。發明專利申請通過自動採集社交平臺人們發表的信息並對其中的情感進行分析,通過計算機繪製情感可視化圖來幫助人們更好地理解情感在不同時間的強度變化和隨時間而演變的趨勢。

申請的權利要求

一種動態觀點演變的可視化方法,所述方法包括:

步驟一,由計算設備確定所採集的信息集合中信息的情感隸屬度和情感分類,所述信息的情感隸屬度表示該信息以多大概率屬於某一情感分類;

步驟二,所述情感分類為積極、中立或消極,具體分類方法為:如果點讚的數目p除以點踩的數目q的值r大於閾值a,那麼認為該情感分類為積極,如果值r小于閾值b,那麼認為該情感分類為消極,如果值b點r點a,那麼情感分類為中立,其中a>b;

步驟三,基於所述信息的情感分類,自動建立所述信息集合的情感可視化圖形的幾何佈局,以橫軸表示信息産生的時間,以縱軸表示屬於各情感分類的信息的數量;

步驟四,所述計算設備基於所述信息的情感隸屬度對所建立的幾何佈局進行著色,按照信息顏色的漸變順序為各情感分類層上的信息著色。

分析及結論

對比文件1公開了一種基於情感的可視化分析方法,其中時間被表示為一條水平軸,每條色帶在不同時間的寬度代表一種情感在該時間的度量,用不同的色帶代表不同的情感。

發明專利申請的解決方案與對比文件1的區別在於步驟二中設定的情感的具體分類規則。從申請內容中可以看出,即使情感分類規則不同,對相應數據進行著色處理的技術手段也可以是相同的,不必作出改變,即上述情感分類規則與具體的可視化手段並非功能上彼此相互支持、存在相互作用關係。與對比文件1相比,發明專利申請只是提出了一種新的情感分類的規則,沒有實際解決任何技術問題,也沒有針對現有技術作出技術貢獻。因此,要求保護的發明技術方案相對於對比文件1不具備創造性。

6.3 説明書及權利要求書的撰寫

6.3.1 説明書的撰寫

包含算法特徵或商業規則和方法特徵的發明專利申請的説明書應當清楚、完整地描述發明為解決其技術問題所採用的解決方案。所述解決方案在包含技術特徵的基礎上,可以進一步包含與技術特徵功能上彼此相互支持、存在相互作用關係的算法特徵或商業規則和方法特徵。

説明書中應當寫明技術特徵和與其功能上彼此相互支持、存在相互作用關係的算法特徵或商業規則和方法特徵如何共同作用並且産生有益效果。例如,包含算法特徵時,應當將抽象的算法與具體的技術領域結合,至少一個輸入參數及其相關輸出結果的定義應當與技術領域中的具體數據對應關聯起來;包含商業規則和方法特徵時,應當對解決技術問題的整個過程進行詳細描述和説明,使得所屬技術領域的技術人員按照説明書記載的內容,能夠實現該發明的解決方案。

説明書應當清楚、客觀地寫明發明與現有技術相比所具有的有益效果,例如質量、精度或效率的提高,系統內部性能的改善等。如果從用戶的角度而言,客觀上提升了用戶體驗,也可以在説明書中進行説明,此時,應當同時説明這種用戶體驗的提升是如何由構成發明的技術特徵,以及與其功能上彼此相互支持、存在相互作用關係的算法特徵或商業規則和方法特徵共同帶來或者産生的。

6.3.2 權利要求書的撰寫

包含算法特徵或商業規則和方法特徵的發明專利申請的權利要求應當以説明書為依據,清楚、簡要地限定要求專利保護的範圍。權利要求應當記載技術特徵以及與技術特徵功能上彼此相互支持、存在相互作用關係的算法特徵或商業規則和方法特徵。

本章其他內容無修改。

本決定自2020年2月1日起施行。

國家知識産權局公告
第三四三號

為全面貫徹黨中央、國務院關於加強知識産權保護的決策部署,回應創新主體對進一步明確涉及人工智慧等新業態新領域專利申請審查規則的需求,決定對《專利審查指南》作出修改,現予發佈,自2020年2月1日起施行。

特此公告。

國家知識産權局

2019年12月31日


國家知識産權局關於修改《專利審查指南》的決定

國家知識産權局決定對《專利審查指南》作出修改。

在《專利審查指南》第二部分第九章增加第6節,內容如下:

6. 包含算法特徵或商業規則和方法特徵的發明專利申請審查相關規定

涉及人工智慧、“互聯網+”、大數據以及區塊鏈等的發明專利申請,一般包含算法或商業規則和方法等智力活動的規則和方法特徵,本節旨在根據專利法及其實施細則,對這類申請的審查特殊性作出規定。

6.1 審查基準

審查應當針對要求保護的解決方案,即權利要求所限定的解決方案進行。在審查中,不應當簡單割裂技術特徵與算法特徵或商業規則和方法特徵等,而應將權利要求記載的所有內容作為一個整體,對其中涉及的技術手段、解決的技術問題和獲得的技術效果進行分析。

6.1.1 根據專利法第二十五條第一款第(二)項的審查

如果權利要求涉及抽象的算法或者單純的商業規則和方法,且不包含任何技術特徵,則這項權利要求屬於專利法第二十五條第一款第(二)項規定的智力活動的規則和方法,不應當被授予專利權。例如,一種基於抽象算法且不包含任何技術特徵的數學模型建立方法,屬於專利法第二十五條第一款第(二)項規定的不應當被授予專利權的情形。再如,一種根據用戶的消費額度進行返利的方法,該方法中包含的特徵全部是與返利規則相關的商業規則和方法特徵,不包含任何技術特徵,屬於專利法第二十五條第一款第(二)項規定的不應當被授予專利權的情形。

如果權利要求中除了算法特徵或商業規則和方法特徵,還包含技術特徵,該權利要求就整體而言並不是一種智力活動的規則和方法,則不應當依據專利法第二十五條第一款第(二)項排除其獲得專利權的可能性。

6.1.2 根據專利法第二條第二款的審查

如果要求保護的權利要求作為一個整體不屬於專利法第二十五條第一款第(二)項排除獲得專利權的情形,則需要就其是否屬於專利法第二條第二款所述的技術方案進行審查。

對一項包含算法特徵或商業規則和方法特徵的權利要求是否屬於技術方案進行審查時,需要整體考慮權利要求中記載的全部特徵。如果該項權利要求記載了對要解決的技術問題採用了利用自然規律的技術手段,並且由此獲得符合自然規律的技術效果,則該權利要求限定的解決方案屬於專利法第二條第二款所述的技術方案。例如,如果權利要求中涉及算法的各個步驟體現出與所要解決的技術問題密切相關,如算法處理的數據是技術領域中具有確切技術含義的數據,算法的執行能直接體現出利用自然規律解決某一技術問題的過程,並且獲得了技術效果,則通常該權利要求限定的解決方案屬於專利法第二條第二款所述的技術方案。

6.1.3 新穎性和創造性的審查

對包含算法特徵或商業規則和方法特徵的發明專利申請進行新穎性審查時,應當考慮權利要求記載的全部特徵,所述全部特徵既包括技術特徵,也包括算法特徵或商業規則和方法特徵。

對既包含技術特徵又包含算法特徵或商業規則和方法特徵的發明專利申請進行創造性審查時,應將與技術特徵功能上彼此相互支持、存在相互作用關係的算法特徵或商業規則和方法特徵與所述技術特徵作為一個整體考慮。“功能上彼此相互支持、存在相互作用關係”是指算法特徵或商業規則和方法特徵與技術特徵緊密結合、共同構成了解決某一技術問題的技術手段,並且能夠獲得相應的技術效果。

例如,如果權利要求中的算法應用於具體的技術領域,可以解決具體技術問題,那麼可以認為該算法特徵與技術特徵功能上彼此相互支持、存在相互作用關係,該算法特徵成為所採取的技術手段的組成部分,在進行創造性審查時,應當考慮所述的算法特徵對技術方案作出的貢獻。

再如,如果權利要求中的商業規則和方法特徵的實施需要技術手段的調整或改進,那麼可以認為該商業規則和方法特徵與技術特徵功能上彼此相互支持、存在相互作用關係,在進行創造性審查時,應當考慮所述的商業規則和方法特徵對技術方案作出的貢獻。

6.2 審查示例

以下,根據上述審查基準,給出包含算法特徵或商業規則和方法特徵的發明專利申請的審查示例。

(1)屬於專利法第二十五條第一款第(二)項範圍之內的包含算法特徵或商業規則和方法特徵的發明專利申請,不屬於專利保護的客體。

【例1】

一種建立數學模型的方法

申請內容概述

發明專利申請的解決方案是一種建立數學模型的方法,通過增加訓練樣本數量,提高建模的準確性。該建模方法將與第一分類任務相關的其它分類任務的訓練樣本也作為第一分類任務數學模型的訓練樣本,從而增加訓練樣本數量,並利用訓練樣本的特徵值、提取特徵值、標簽值等對相關數學模型進行訓練,並最終得到第一分類任務的數學模型,克服了由於訓練樣本少導致過擬合而建模準確性較差的缺陷。

申請的權利要求

一種建立數學模型的方法,其特徵在於,包括以下步驟:

根據第一分類任務的訓練樣本中的特徵值和至少一個第二分類任務的訓練樣本中的特徵值,對初始特徵提取模型進行訓練,得到目標特徵提取模型;其中,所述第二分類任務是與所述第一分類任務相關的其它分類任務;

根據所述目標特徵提取模型,分別對所述第一分類任務的每個訓練樣本中的特徵值進行處理,得到所述每個訓練樣本對應的提取特徵值;

將所述每個訓練樣本對應的提取特徵值和標簽值組成提取訓練樣本,對初始分類模型進行訓練,得到目標分類模型;

將所述目標分類模型和所述目標特徵提取模型組成所述第一分類任務的數學模型。

分析及結論

該解決方案不涉及任何具體的應用領域,其中處理的訓練樣本的特徵值、提取特徵值、標簽值、目標分類模型以及目標特徵提取模型都是抽象的通用數據,利用訓練樣本的相關數據對數學模型進行訓練等處理過程是一系列抽象的數學方法步驟,最後得到的結果也是抽象的通用分類數學模型。該方案是一種抽象的模型建立方法,其處理對象、過程和結果都不涉及與具體應用領域的結合,屬於對抽象數學方法的優化,且整個方案並不包括任何技術特徵,該發明專利申請的解決方案屬於專利法第二十五條第一款第(二)項規定的智力活動的規則和方法,不屬於專利保護客體。

(2)為了解決技術問題而利用技術手段並獲得技術效果的包含算法特徵或商業規則和方法特徵的發明專利申請,屬於專利法第二條第二款規定的技術方案,因而屬於專利保護的客體。

【例2】

一種卷積神經網絡模型的訓練方法

申請內容概述

發明專利申請的解決方案是,在各級卷積層上對訓練圖像進行卷積操作和最大池化操作後,進一步對最大池化操作後得到的特徵圖像進行水平池化操作,使訓練好的CNN模型在識別圖像類別時能夠識別任意尺寸的待識別圖像。

申請的權利要求

一種卷積神經網絡CNN模型的訓練方法,其特徵在於,所述方法包括:

獲取待訓練CNN模型的初始模型參數,所述初始模型參數包括各級卷積層的初始卷積核、所述各級卷積層的初始偏置矩陣、全連接層的初始權重矩陣和所述全連接層的初始偏置向量;

獲取多個訓練圖像;

在所述各級卷積層上,使用所述各級卷積層上的初始卷積核和初始偏置矩陣,對每個訓練圖像分別進行卷積操作和最大池化操作,得到每個訓練圖像在所述各級卷積層上的第一特徵圖像;

對每個訓練圖像在至少一級卷積層上的第一特徵圖像進行水平池化操作,得到每個訓練圖像在各級卷積層上的第二特徵圖像;

根據每個訓練圖像在各級卷積層上的第二特徵圖像確定每個訓練圖像的特徵向量;

根據所述初始權重矩陣和初始偏置向量對每個特徵向量進行處理,得到每個訓練圖像的類別概率向量;

根據所述每個訓練圖像的類別概率向量及每個訓練圖像的初始類別,計算類別誤差;

基於所述類別誤差,對所述待訓練CNN模型的模型參數進行調整;

基於調整後的模型參數和所述多個訓練圖像,繼續進行模型參數調整的過程,直至迭代次數達到預設次數;

將迭代次數達到預設次數時所得到的模型參數作為訓練好的CNN模型的模型參數。

分析及結論

該解決方案是一種卷積神經網絡CNN模型的訓練方法,其中明確了模型訓練方法的各步驟中處理的數據均為圖像數據以及各步驟如何處理圖像數據,體現出神經網絡訓練算法與圖像信息處理密切相關。該解決方案所解決的是如何克服CNN模型僅能識別具有固定尺寸的圖像的技術問題,採用了在不同卷積層上對圖像進行不同處理並訓練的手段,利用的是遵循自然規律的技術手段,獲得了訓練好的CNN模型能夠識別任意尺寸待識別圖像的技術效果。因此,該發明專利申請的解決方案屬於專利法第二條第二款規定的技術方案,屬於專利保護客體。

【例3】

一種共享單車的使用方法

申請內容概述

發明專利申請提出一種共享單車的使用方法,通過獲取用戶終端設備的位置信息和對應一定距離範圍內的共享單車的狀態信息,使用戶可以根據共享單車的狀態信息準確地找到可以騎行的共享單車進行騎行,並通過提示引導用戶進行停車,該方法方便了共享單車的使用和管理,節約了用戶的時間,提升了用戶體驗。

申請的權利要求

一種共享單車的使用方法,其特徵在於,包括以下步驟:

步驟一,用戶通過終端設備向服務器發送共享單車的使用請求;

步驟二,服務器獲取用戶的第一位置信息,查找與所述第一位置信息對應一定距離範圍內的共享單車的第二位置信息,以及這些共享單車的狀態信息,將所述共享單車的第二位置信息和狀態信息發送到終端設備,其中第一位置信息和第二位置信息是通過GPS信號獲取的;

步驟三,用戶根據終端設備上顯示的共享單車的位置信息,找到可以騎行的目標共享單車;

步驟四,用戶通過終端設備掃描目標共享單車車身上的二維碼,通過服務器認證後,獲得目標共享單車的使用權限;

步驟五,服務器根據騎行情況,向用戶推送停車提示,若用戶將車停放在指定區域,則採用優惠資費進行計費,否則採用標準資費進行計費;

步驟六,用戶根據所述提示進行選擇,騎行結束後,用戶進行共享單車的鎖車動作,共享單車檢測到鎖車狀態後向服務器發送騎行完畢信號。

分析及結論

該解決方案涉及一種共享單車的使用方法,所要解決的是如何準確找到可騎行共享單車位置並開啟共享單車的技術問題,該方案通過執行終端設備和服務器上的計算機程序實現了對用戶使用共享單車行為的控制和引導,反映的是對位置信息、認證等數據進行採集和計算的控制,利用的是遵循自然規律的技術手段,實現了準確找到可騎行共享單車位置並開啟共享單車等技術效果。因此,該發明專利申請的解決方案屬於專利法第二條第二款規定的技術方案,屬於專利保護的客體。

【例4】

一種區塊鏈節點間通信方法及裝置

申請內容概述

發明專利申請提出一種區塊鏈節點通信方法和裝置,區塊鏈中的業務節點在建立通信連接之前,可以根據通信請求中攜帶的CA證書以及預先配置的CA信任列表,確定是否建立通信連接,從而減少了業務節點洩露隱私數據的可能性,提高了區塊鏈中存儲數據的安全性。

申請的權利要求

一種區塊鏈節點通信方法,區塊鏈網絡中的區塊鏈節點包括業務節點,其中,所述業務節點存儲證書授權中心CA發送的證書,並預先配置有CA信任列表,所述方法包括:

第一區塊鏈節點接收第二區塊鏈節點發送的通信請求,其中,所述通信請求中攜帶有第二區塊鏈節點的第二證書;

確定所述第二證書對應的CA標識;

判斷確定出的所述第二證書對應的CA標識,是否存在於所述CA信任列表中;

若是,則與所述第二區塊鏈節點建立通信連接;

若否,則不與所述第二區塊鏈節點建立通信連接。

分析及結論

本申請要解決的問題是聯盟鏈網絡中如何防止區塊鏈業務節點洩露用戶隱私數據的問題,屬於提高區塊鏈數據安全性的技術問題,通過在通信請求中攜帶CA證書並預先配置CA信任列表的方式確定是否建立連接,限制了業務節點可建立連接的對象,利用的是遵循自然規律的技術手段,獲得了業務節點間安全通信和減少業務節點洩露隱私數據可能性的技術效果。因此,該發明專利申請的解決方案屬於專利法第二條第二款規定的技術方案,屬於專利保護的客體。

(3)未解決技術問題,或者未利用技術手段,或者未獲得技術效果的包含算法特徵或商業規則和方法特徵的發明專利申請,不屬於專利法第二條第二款規定的技術方案,因而不屬於專利保護的客體。

【例5】

一種消費返利的方法

申請內容概述

發明專利申請提出一種消費返利的方法,通過計算機執行設定的返利規則給予消費的用戶現金券,從而提高了用戶的消費意願,為商家獲得了更多的利潤。

申請的權利要求

一種消費返利的方法,其特徵在於,包括以下步驟:

用戶在商家進行消費時,商家根據消費的金額返回一定的現金券,具體地,

商家採用計算機對用戶的消費金額進行計算,將用戶的消費金額R劃分為M個區間,其中,M為整數,區間1到區間M的數值由小到大,將返回現金券的額度F也分為M個值,M個數值也由小到大進行排列;

根據計算機的計算值,判斷當用戶本次消費金額位於區間1時,返利額度為第1個值,當用戶本次消費金額位於區間2時,返利額度為第2個值,依次類推,將相應區間的返利額度返回給用戶。

分析及結論

該解決方案涉及一種消費返利的方法,該方法是由計算機執行的,其處理對像是用戶的消費數據,所要解決的是如何促進用戶消費的問題,不構成技術問題,所採用的手段是通過計算機執行人為設定的返利規則,但對計算機的限定只是按照指定的規則根據用戶消費金額確定返利額度,不受自然規律的約束,因而未利用技術手段,該方案獲得的效果僅僅是促進用戶消費,不是符合自然規律的技術效果。因此,該發明專利申請不屬於專利法第二條第二款規定的技術方案,不屬於專利保護的客體。

【例6】

一種基於用電特徵的經濟景氣指數分析方法

申請內容概述

發明專利申請通過統計各項經濟指標和用電指標,來評估待檢測地區的經濟景氣指數。

申請的權利要求

一種基於地區用電特徵的經濟景氣指數分析方法,其特徵在於,包括以下步驟:

根據待檢測地區的經濟數據和用電數據,選定待檢測地區的經濟景氣指數的初步指標,其中,所述初步指標包括經濟指標和用電指標;

通過計算機執行聚類分析方法和時差相關分析法,確定所述待檢測地區的經濟景氣指標體系,包括先行指標、一致指標和滯後指標;

根據所述待檢測地區的經濟景氣指標體系,採用合成指數計算方法,獲取所述待檢測地區的經濟景氣指數。

分析及結論

該解決方案是一种經濟景氣指數的分析和計算方法,該方法是由計算機執行的,其處理對像是各种經濟指標、用電指標,解決的問題是對經濟走勢進行判斷,不構成技術問題,所採用的手段是根據經濟數據和用電數據對經濟情況進行分析,僅是依照經濟學規律採用經濟管理手段,不受自然規律的約束,因而未利用技術手段,該方案最終可以獲得用於評估經濟的經濟景氣指數,不是符合自然規律的技術效果,因此該解決方案不屬於專利法第二條第二款規定的技術方案,不屬於專利保護的客體。

(4)在進行創造性審查時,應當考慮與技術特徵在功能上彼此相互支持、存在相互作用關係的算法特徵或商業規則和方法特徵對技術方案作出的貢獻。

【例7】

一種基於多傳感器信息倣人機器人跌倒狀態檢測方法

申請內容概述

現有對倣人機器人步行時跌倒狀態的判定主要利用姿態信息或ZMP點位置信息,但這樣判斷是不全面的。發明專利申請提出了基於多傳感器檢測倣人機器人跌倒狀態的方法,通過實時融合機器人步態階段信息、姿態信息和ZMP點位置信息,並利用模糊決策系統,判定機器人當前的穩定性和可控性,為機器人下一步動作提供參考。

申請的權利要求

一種基於多傳感器信息倣人機器人跌倒狀態檢測方法,其特徵在於包含如下步驟:

(1)通過對姿態傳感器信息、零力矩點ZMP傳感器信息和機器人步行階段信息進行融合,建立分層結構的傳感器信息融合模型;

(2)分別利用前後模糊決策系統和左右模糊決策系統來判定機器人在前後方向和左右方向的穩定性,具體步驟如下:

①根據機器人支撐腳和地面之間的接觸情況與離線步態規劃確定機器人步行階段;

②利用模糊推理算法對ZMP點位置信息進行模糊化;

③利用模糊推理算法對機器人的俯仰角或滾動角進行模糊化;

④確定輸出隸屬函數;

⑤根據步驟①~步驟④確定模糊推理規則;

⑥去模糊化。

分析及結論

對比文件1公開了倣人機器人的步態規劃與基於傳感器信息的反饋控制,並根據相關融合信息對機器人穩定性進行判斷,其中包括根據多個傳感器信息進行倣人機器人穩定狀態評價,即對比文件1公開了發明專利申請的解決方案中的步驟(1),該解決方案與對比文件1的區別在於採用步驟(2)的具體算法的模糊決策方法。

基於申請文件可知,該解決方案有效地提高了機器人的穩定狀態以及對其可能跌倒方向判讀的可靠性和準確率。姿態信息、ZMP點位置信息以及步行階段信息作為輸入參數,通過模糊算法輸出判定倣人機器人穩定狀態的信息,為進一步發出準確的姿勢調整指令提供依據。因此,上述算法特徵與技術特徵在功能上彼此相互支持、存在相互作用關係,相對於對比文件1,確定發明實際解決的技術問題為:如何判斷機器人穩定狀態以及準確預測其可能的跌倒方向。上述模糊決策的實現算法及將其應用於機器人穩定狀態的判斷均未被其它對比文件公開,也不屬於本領域公知常識,現有技術整體上並不存在使本領域技術人員改進對比文件1以獲得要求保護髮明的啟示,要求保護的發明技術方案相對於最接近的現有技術是非顯而易見的,具備創造性。

【例8】

基於合作協進化和多種群遺傳算法的多機器人路徑規劃系統

申請內容概述

現有的多移動機器人運動規劃控制結構通常採用集中式規劃方法,該方法將多機器人系統視為一個具有多個自由度的複雜機器人,由系統中的一個規劃器來統一完成對所有機器人的運動規劃,其缺點在於計算時間較長,實用性不佳。發明專利申請提供了一種基於協作進化和多種群遺傳算法的多機器人路徑規劃系統。機器人的每一條路徑都採用一個染色體表示,將最短距離、平滑度、安全距離作為設計路徑適應度函數的三個目標,通過Messy遺傳算法對每個機器人的路徑進行優化得到最佳路徑。

申請的權利要求

一種基於合作協進化和多種群遺傳算法的多機器人路徑規劃系統,其特徵在於:

(1)機器人的一條路徑採用一個染色體表示,染色體就表示成節點的鏈表形式,即[(x,y),time],(x,y,time∈R),(x,y)表示機器人的位置坐標,time表示從前一個節點移動本節點需要的時間消耗,開始節點的time等於0,每個機器人個體的染色體除了初始節點的初始位置,結束節點的目標位置固定以外,中間節點和節點個數都是可變的;

(2)每個機器人Robot(i)的路徑path(j)的適應度函數表示成φ(pi,j):

||pi,j||=Distance(pi,j)+ws×smooth(pi,j)+wt×Time(pi,j)

其中||pi,j||是距離、平滑度和時間消耗的線性組合,ws是平滑加權因子,wt是時間加權因子;Distance(pi,j)表示路徑長度,smooth(pi,j)表示路徑的平滑度,Time(pi,j)是路徑pi,j的時間消耗;每個機器人採用所述適應度函數,通過Messy遺傳算法優化得到最優路徑。

分析及結論

對比文件1公開了一種基於合作協進化的多機器人路徑規劃方法,其中採用適應度函數,通過混沌遺傳算法來獲得最優路徑。發明專利申請的解決方案與對比文件1的區別在於通過Messy遺傳算法來實現多機器人路徑規劃。

在該解決方案中,採用Messy遺傳算法優化後得到機器人的前進路徑,該解決方案的算法特徵與技術特徵在功能上相互支持、存在相互作用關係,實現了對機器人前進路徑的優化。相對於對比文件1,確定發明實際解決的技術問題為:如何基於特定的算法使機器人以最優路徑前進。對比文件2已經公開了包括所述混沌遺傳算法在內的多種遺傳算法都可被用來進行路徑優化,同時採用Messy遺傳算法可以解決其他算法的弊端,從而獲得更合理的優化結果。基於對比文件2給出的啟示,本領域技術人員有動機將對比文件1與對比文件2結合得到發明專利申請的技術方案。因此,要求保護的發明技術方案相對於對比文件1和對比文件2的結合是顯而易見的,不具備創造性。

【例9】

一種物流配送方法

申請內容概述

在貨物配送過程中,如何有效提高貨物配送效率以及降低配送成本,是發明專利申請所要解決的問題。在物流人員到達配送地點後,可以通過服務器向訂貨用戶終端推送消息的形式同時通知特定配送區域的多個訂貨用戶進行提貨,達到了提高貨物配送效率以及降低配送成本的目的。

申請的權利要求

一種物流配送方法,其通過批量通知用戶取件的方式來提高物流配送效率,該方法包括:

當派件員需要通知用戶取件時,派件員通過手持的物流終端向服務器發送貨物已到達的通知;

服務器批量通知派件員派送範圍內的所有訂貨用戶;

接收到通知的訂貨用戶根據通知信息完成取件;

其中,服務器進行批量通知具體實現方式為,服務器根據物流終端發送的到貨通知中所攜帶的派件員ID、物流終端當前位置以及對應的配送範圍,確定該派件員ID所對應的、以所述物流終端的當前位置為中心的配送距離範圍內的所有目標訂單信息,然後將通知信息推送給所有目標訂單信息中的訂貨用戶賬號所對應的訂貨用戶終端。

分析及結論

對比文件1公開了一種物流配送方法,其由物流終端對配送單上的條碼進行掃描,並將掃描信息發送給服務器以通知服務器貨物已經到達;服務器獲取掃描信息中的訂貨用戶信息,並向該訂貨用戶發出通知;接收到通知的訂貨用戶根據通知信息完成取件。

發明專利申請的解決方案與對比文件1的區別在於批量通知用戶訂貨到達,為實現批量通知,方案中服務器、物流終端和用戶終端之間的數據架構和數據通信方式均做出了相應調整,取件通知規則和具體的批量通知實現方式在功能上彼此相互支持、存在相互作用關係。相對於對比文件1,確定發明實際解決的技術問題是如何提高訂單到達通知效率進而提高貨物配送效率。從用戶角度來看,用戶可以更快地獲知訂貨到達情況的信息,也提高了用戶體驗。由於現有技術並不存在對上述對比文件1做出改進從而獲得發明專利申請的解決方案的技術啟示,該解決方案具備創造性。

【例10】

一種動態觀點演變的可視化方法

申請內容概述

近年來人們越來越多地通過社交平臺發表他們的意見和想法,人們在社交平臺上發表的帶有情感的內容反映了人們觀點的演變,並可以由此看出事件的發展、變化和趨勢。發明專利申請通過自動採集社交平臺人們發表的信息並對其中的情感進行分析,通過計算機繪製情感可視化圖來幫助人們更好地理解情感在不同時間的強度變化和隨時間而演變的趨勢。

申請的權利要求

一種動態觀點演變的可視化方法,所述方法包括:

步驟一,由計算設備確定所採集的信息集合中信息的情感隸屬度和情感分類,所述信息的情感隸屬度表示該信息以多大概率屬於某一情感分類;

步驟二,所述情感分類為積極、中立或消極,具體分類方法為:如果點讚的數目p除以點踩的數目q的值r大於閾值a,那麼認為該情感分類為積極,如果值r小于閾值b,那麼認為該情感分類為消極,如果值b點r點a,那麼情感分類為中立,其中a>b;

步驟三,基於所述信息的情感分類,自動建立所述信息集合的情感可視化圖形的幾何佈局,以橫軸表示信息産生的時間,以縱軸表示屬於各情感分類的信息的數量;

步驟四,所述計算設備基於所述信息的情感隸屬度對所建立的幾何佈局進行著色,按照信息顏色的漸變順序為各情感分類層上的信息著色。

分析及結論

對比文件1公開了一種基於情感的可視化分析方法,其中時間被表示為一條水平軸,每條色帶在不同時間的寬度代表一種情感在該時間的度量,用不同的色帶代表不同的情感。

發明專利申請的解決方案與對比文件1的區別在於步驟二中設定的情感的具體分類規則。從申請內容中可以看出,即使情感分類規則不同,對相應數據進行著色處理的技術手段也可以是相同的,不必作出改變,即上述情感分類規則與具體的可視化手段並非功能上彼此相互支持、存在相互作用關係。與對比文件1相比,發明專利申請只是提出了一種新的情感分類的規則,沒有實際解決任何技術問題,也沒有針對現有技術作出技術貢獻。因此,要求保護的發明技術方案相對於對比文件1不具備創造性。

6.3 説明書及權利要求書的撰寫

6.3.1 説明書的撰寫

包含算法特徵或商業規則和方法特徵的發明專利申請的説明書應當清楚、完整地描述發明為解決其技術問題所採用的解決方案。所述解決方案在包含技術特徵的基礎上,可以進一步包含與技術特徵功能上彼此相互支持、存在相互作用關係的算法特徵或商業規則和方法特徵。

説明書中應當寫明技術特徵和與其功能上彼此相互支持、存在相互作用關係的算法特徵或商業規則和方法特徵如何共同作用並且産生有益效果。例如,包含算法特徵時,應當將抽象的算法與具體的技術領域結合,至少一個輸入參數及其相關輸出結果的定義應當與技術領域中的具體數據對應關聯起來;包含商業規則和方法特徵時,應當對解決技術問題的整個過程進行詳細描述和説明,使得所屬技術領域的技術人員按照説明書記載的內容,能夠實現該發明的解決方案。

説明書應當清楚、客觀地寫明發明與現有技術相比所具有的有益效果,例如質量、精度或效率的提高,系統內部性能的改善等。如果從用戶的角度而言,客觀上提升了用戶體驗,也可以在説明書中進行説明,此時,應當同時説明這種用戶體驗的提升是如何由構成發明的技術特徵,以及與其功能上彼此相互支持、存在相互作用關係的算法特徵或商業規則和方法特徵共同帶來或者産生的。

6.3.2 權利要求書的撰寫

包含算法特徵或商業規則和方法特徵的發明專利申請的權利要求應當以説明書為依據,清楚、簡要地限定要求專利保護的範圍。權利要求應當記載技術特徵以及與技術特徵功能上彼此相互支持、存在相互作用關係的算法特徵或商業規則和方法特徵。

本章其他內容無修改。

本決定自2020年2月1日起施行。

掃一掃在手機打開當前頁
回到頂部