從客體角度分析涉及算法流程的權(quán)利要求的撰寫

馬勇平

摘要：涉及算法流程的權(quán)利要求撰寫不當常常會面臨不授權(quán)客體的問題，本文對不授權(quán)客體的相關(guān)法條進行了分析，結(jié)合具體案例，從客體角度分析涉及算法流程的權(quán)利要求的撰寫方式，給出如何更好地撰寫這類申請的建議，促進申請質(zhì)量提升，節(jié)約審查程序的同時使得申請人所要求的權(quán)利得到更好地保護。

關(guān)鍵詞：算法;權(quán)利要求;撰寫;客體

中圖分類號：D923.42文獻標識碼：A 文章編號：1003-5168（2020）09-0043-03

1 引言

一件專利申請從申請到獲得授權(quán)，權(quán)利要求的撰寫方式占據(jù)著極其重要的地位，其不僅影響權(quán)利要求的保護范圍，還影響該專利申請的授權(quán)前景，不恰當?shù)淖珜懛绞綍е虏煌膶彶榻Y(jié)論。對于包含算法流程的發(fā)明專利申請，撰寫權(quán)利要求時應當選擇合適的角度進行撰寫，從方案整體進行構(gòu)思，避免過度追求保護范圍或者大篇幅描述非技術(shù)內(nèi)容而使其存在客體問題。

專利申請是否能夠授權(quán)，首先進行客體審查，未通過客體審查的申請則不進行后續(xù)的三性評判。算法流程的權(quán)利要求的客體問題，涉及的法條主要有專利法第二條第二款和第二十五條第一款第（二）項。

專利法第二條第二款規(guī)定：專利法所稱的發(fā)明，是指對產(chǎn)品、方法或者其改進所提出的新的技術(shù)方案，其中，技術(shù)方案是對要解決的技術(shù)問題所采取的利用了自然規(guī)律的技術(shù)手段的集合，未采用技術(shù)手段解決技術(shù)問題，以獲得符合自然規(guī)律的技術(shù)效果的方案，不屬于專利法第二條第二款規(guī)定的客體[1]。

專利法第二十五條第一款第（二）項規(guī)定，智力活動的規(guī)則和方法是指導人們進行思維、表述、判斷和記憶的規(guī)則和方法，指導人們進行這類活動的規(guī)則和方法不能被授予專利權(quán)[1]。

智力活動的規(guī)則和方法有兩種表現(xiàn)方式：一種是權(quán)利要求的全部內(nèi)容僅僅涉及智力活動的規(guī)則和方法;另一種是，除主題名稱外，對其限定的全部內(nèi)容均為智力活動的規(guī)則和方法。因此，在判斷權(quán)利要求是否是智力活動的規(guī)則和方法時，重點考量限定的內(nèi)容是否全部都是智力活動的規(guī)則和方法。

對于上述兩個法條之間的關(guān)系，首先，如果一項權(quán)利要求本身屬于專利法第二十五條第一款第（二）項規(guī)定的情形，其必然屬于專利法第二條第二款規(guī)定的授權(quán)的客體。這里存在法條競合，但通常會指出其不符合專利法第二十五條第一款第（二）項的規(guī)定。其次，這兩個法條的判斷起點都是權(quán)利要求中是否包含技術(shù)特征。在判斷是否是技術(shù)特征時可能需要根據(jù)特征實際含義認定其在權(quán)利要求中的作用，判斷特征本身是否有具體的技術(shù)上的含義，實質(zhì)是否構(gòu)成了技術(shù)手段、是否能夠解決技術(shù)問題并產(chǎn)生技術(shù)上的效果[2]。如果一項權(quán)利要求在對其進行限定的全部內(nèi)容中既包括智力活動的規(guī)則和方法的內(nèi)容，又包括技術(shù)特征，則該權(quán)利要求就整體而言不屬于專利法第二十五條第一款第（二）項規(guī)定的情形，此時需要判斷其是否符合專利法第二條第二款的規(guī)定。涉及算法流程的權(quán)利要求，只要算法與具體技術(shù)領(lǐng)域結(jié)合解決某個技術(shù)問題，則可以通過專利法第二條第二款的審查。以下通過幾個案例分析如何撰寫涉及算法流程的權(quán)利要求避免存在客體問題。

2 案例分析

【案例1】

權(quán)利要求：一種建立數(shù)學模型的方法，具體步驟為：

（1）根據(jù)第一分類任務(wù)的訓練樣本中的特征值和至少一個第二分類任務(wù)的訓練樣本中的特征值，訓練初始特征提取模型，訓練得到目標特征提取模型;所述第二分類任務(wù)是與所述第一分類任務(wù)相關(guān)的其它分類任務(wù);

（2）根據(jù)所述目標特征提取模型，處理所述第一分類任務(wù)的每個訓練樣本中的特征值，得到所述每個訓練樣本對應的提取特征值;

（3）提取訓練樣本，所述提取訓練樣本由所述每個訓練樣本對應的提取特征值和標簽值組成，采用提取訓練樣本訓練初始分類模型得到目標分類模型;

（4）將所述目標特征提取模型和所述目標分類模型組成所述第一分類任務(wù)的數(shù)學模型。

分析及結(jié)論：權(quán)利要求請求保護的方案涉及算法流程，該方案不涉及任何具體的應用領(lǐng)域，算法流程中涉及的各種值和各種模型都是抽象的通用數(shù)據(jù)，各種數(shù)據(jù)處理過程是一系列抽象的數(shù)學方法步驟，最后得到的第一分類任務(wù)的數(shù)學模型也是抽象的通用分類數(shù)學模型。權(quán)利要求保護的是一種抽象的模型建立方法，其中的處理對象、過程和結(jié)果都不涉及與具體應用領(lǐng)域的結(jié)合，是對抽象的數(shù)學方法進行優(yōu)化，且整個方案不包括技術(shù)特征，因此該方案屬于專利法第二十五條第一款第（二）項規(guī)定的智力活動的規(guī)則和方法，不屬于專利保護的客體。

【案例2】

權(quán)利要求：一種基于半監(jiān)督學習的支持向量機分類器訓練方法，具體步驟為：

步驟一：用初始已標注樣本集訓練一個初始支持向量機SVM分類器;

步驟二：用SVM分類器從未標注樣本集U中選擇分類置信度高的樣本，組成高置信度樣本集S;

步驟三：判斷高置信度樣本集S中的每個樣本的信息量大小，信息量小的樣本從高置信度樣本集S中移除，并重新放回未標注樣本集U中;

步驟四：機器自動標注高置信度樣本集S中置信度高且信息量大的樣本然后加入SVM分類器的已標注樣本集L中;

步驟五：用更新的已標注樣本集L作為訓練數(shù)據(jù)，重新訓練SVM分類器;

步驟六：根據(jù)停止準則判斷是退出循環(huán)還是繼續(xù)迭代;基于半監(jiān)督學習來訓練SVM分類器減小了人工標注的工作量。

分析及結(jié)論：權(quán)利要求請求保護的方案涉及對樣本的分類，該方案首先采用初始已標注樣本集作為訓練樣本訓練初始SVM分類器，然后向已標注樣本集中添加置信度高且信息量大的樣本，對已標注樣本集進行反復迭代和更新，從而訓練最終的SVM分類器。該方案只是一種理論性的數(shù)學算法，未將具體的應用領(lǐng)域結(jié)合到權(quán)利要求中，方案中所述樣本集不是一個具有具體含義的集合，而僅僅是一個數(shù)學上的集合概念，屬于抽象的通用集合，整個方案不包括技術(shù)特征，該方案屬于單純的數(shù)學算法，屬于專利法第二十五條第一款第（二）項規(guī)定的智力活動的規(guī)則和方法，不屬于專利保護的客體。

【案例3】

權(quán)利要求：一種時頻聯(lián)合的支持向量機半監(jiān)督學習方法，包括以下步驟：

（1）將已標注樣本的時域特征和頻域特征分別提取出來，并分別訓練初始支持向量機SVM分類器C1、SVM分類器C2、SVM分類器C;

（2）利用SVM分類器C1、SVM分類器C2從未標注樣本集U中選擇高置信度樣本，組成高置信度樣本集S;

（3）機器自動標注高置信度樣本集S中的樣本然后放入已標注樣本集L中;

（4）重新提取更新的已標注樣本集L的時域特征和頻域特征，并進行特征選擇，重新訓練SVM分類器C;

（5）根據(jù)停止準則判斷是退出循環(huán)還是繼續(xù)迭代，繼續(xù)迭代則返回步驟（2）。

分析及結(jié)論：權(quán)利要求請求保護的方案雖然是一種學習方法，但是該方法提取學習樣本的時域特征和頻域特征，而時域特征和頻域特征是信號的基本特征，信號是信息的載體，是隨著時間變化的客觀物理量，時域反映的是信號隨時間變化的情況，頻域反映的是信號在不同頻率上的分布情況。由此可知，該方案請求保護的學習方法涉及信號分類的技術(shù)領(lǐng)域，將算法應用到了具體的技術(shù)領(lǐng)域，形成基于該算法的解決方案，該方案中采用了提取已標注樣本的時域特征和頻域特征、確定高置信度樣本迭代訓練SVM分類器等技術(shù)手段，其能夠解決在單一特征空間中判斷樣本置信度的方法效果較差的技術(shù)問題，獲得了樣本置信度判斷更加準確的技術(shù)效果，因此不屬于專利法第二十五條第一款第（二）項規(guī)定的智力活動的規(guī)則和方法，屬于專利保護的客體。

【案例4】

權(quán)利要求：一種用于確定兩個圖像之間的相似性的方法，其通過自動比較兩個度量值組確定兩個圖像之間的相似性，采用攝像機拍攝兩幅圖像，所述兩個度量值組為所述兩幅圖像的圖像數(shù)據(jù);利用被相應地編程的裝置;所述兩個度量值組的度量值分別被分配給由索引限定的有限數(shù)量的類之一，使得分別針對所述兩組中的每一組定義頻次分布，該頻次分布針對每一類指出被分配到該類的度量值的頻次，其中，所述度量值分別被分配給一個圖像點，所述類代表關(guān)于亮度值和/或色調(diào)和/或色飽和度的區(qū)間;根據(jù)第一修正值[match]的最終值計算所述頻次分布之間的反映所述兩個度量值組之間的相似性或非相似性的距離量度;分別對于彼此之間距離為[d]的所有索引[i]和[j]，通過使用兩個變量組的算法計算所述第一修正值[match]，其中，給定的最大距離[dmax1]，對于所有的整數(shù)距離[d]符合[d][dmax]，以[d=0]開始繼續(xù)增加距離[d];另一修正值的當前值被定義為：[minq′i，v′j];其中，[m]代表另一修正值，[q′i]代表兩個變量組中的第一組的變量，而[v′j]代表第二變量組中的變量，這兩個變量組中的變量在算法開始時被定義為[q′i=qi]，[v′j=vj]，其中，[qi]代表所述兩個頻次分布中第一頻次分布中的頻次，而[vj]代表第二頻次分布中的頻次;在此之后，變量[q′i]和[v′j]分別通過減去另一修正值[m]的當前值而被重新定義，并且乘以矩陣元素[ai，j]的另一修正值[m]的當前值與初始定義為[match=0]的第一修正值[match]的當前值相加，其中，矩陣元素[ai，j]形成相似性矩陣，對于所有索引[i]，[ai，i=1]，并且對于最大距離[dmax]且[i≠j]的所有索引[i]和[j]，[1ai，j<1]。

分析及結(jié)論：權(quán)利要求請求保護的方案涉及算法，將算法應用于圖像處理技術(shù)領(lǐng)域，其中定義的類代表圖像的亮度值和/或色調(diào)和/或色飽和度的空間，上述數(shù)據(jù)是圖像領(lǐng)域的技術(shù)數(shù)據(jù)，即涉及的參數(shù)均是圖像領(lǐng)域的技術(shù)參數(shù)，考慮了圖像領(lǐng)域的技術(shù)特點。基于上述技術(shù)參數(shù)，對兩個圖像進行對比得到相似度，解決了如何自大量圖像中自動識別場景變化、鏡頭變化或子鏡頭變化或進行圖案識別的技術(shù)問題。該方案將算法應用到圖像處理技術(shù)領(lǐng)域，形成基于該算法的解決方案，采用了遵循自然規(guī)律的技術(shù)手段，解決了技術(shù)問題，獲得了技術(shù)效果，因此該方案不屬于專利法第二十五條第一款第（二）項規(guī)定的智力活動的規(guī)則和方法，屬于專利保護的客體。

3 結(jié)語

本文通過幾個具體案例，從客體角度分析涉及算法流程的權(quán)利要求的撰寫方式對申請產(chǎn)生的影響，對如何撰寫這類型的權(quán)利要求給出建議。純算法流程本身屬于不授權(quán)客體，但如果將抽象的算法與具體技術(shù)領(lǐng)域結(jié)合，如將至少一個參數(shù)的定義與技術(shù)領(lǐng)域中的具體數(shù)據(jù)對應關(guān)聯(lián)起來，涉及的參數(shù)、數(shù)據(jù)具有具體的物理含義，形成基于該算法的解決方案，該解決方案采用了技術(shù)手段、并解決了相應技術(shù)領(lǐng)域的技術(shù)問題，也獲得了技術(shù)效果，則屬于專利保護的客體。涉及算法的發(fā)明的權(quán)利要求的撰寫采用這種撰寫方式，可以避免不授權(quán)客體的問題。但應當注意，如果僅僅在權(quán)利要求的主題名稱中體現(xiàn)算法的應用領(lǐng)域，其限定內(nèi)容依然全部是算法本身，采用這種撰寫方式撰寫的權(quán)利要求請求保護的方案仍屬于專利法第二十五條第一款第（二）項規(guī)定的智力活動的規(guī)則和方法，不屬于專利保護的客體，應當避免采用這種撰寫方式。涉及算法流程的權(quán)利要求的撰寫采用正確的撰寫方式，有利于促進申請質(zhì)量提升，節(jié)約審查程序，更好地平衡申請人所做貢獻和利益回報。

參考文獻：

[1] 國家知識產(chǎn)權(quán)局.專利審查指南2010（修訂版）[M].北京：知識產(chǎn)權(quán)出版社，2010：119-124.

[2] 魏保志.發(fā)明專利保護客體典型案例評析[M].北京：知識產(chǎn)權(quán)出版社，2013：38-39.