从客体角度分析涉及算法流程的权利要求的撰写

马勇平

摘要：涉及算法流程的权利要求撰写不当常常会面临不授权客体的问题，本文对不授权客体的相关法条进行了分析，结合具体案例，从客体角度分析涉及算法流程的权利要求的撰写方式，给出如何更好地撰写这类申请的建议，促进申请质量提升，节约审查程序的同时使得申请人所要求的权利得到更好地保护。

关键词：算法;权利要求;撰写;客体

中图分类号：D923.42文献标识码：A 文章编号：1003-5168（2020）09-0043-03

1 引言

一件专利申请从申请到获得授权，权利要求的撰写方式占据着极其重要的地位，其不仅影响权利要求的保护范围，还影响该专利申请的授权前景，不恰当的撰写方式会导致不同的审查结论。对于包含算法流程的发明专利申请，撰写权利要求时应当选择合适的角度进行撰写，从方案整体进行构思，避免过度追求保护范围或者大篇幅描述非技术内容而使其存在客体问题。

专利申请是否能够授权，首先进行客体审查，未通过客体审查的申请则不进行后续的三性评判。算法流程的权利要求的客体问题，涉及的法条主要有专利法第二条第二款和第二十五条第一款第（二）项。

专利法第二条第二款规定：专利法所称的发明，是指对产品、方法或者其改进所提出的新的技术方案，其中，技术方案是对要解决的技术问题所采取的利用了自然规律的技术手段的集合，未采用技术手段解决技术问题，以获得符合自然规律的技术效果的方案，不属于专利法第二条第二款规定的客体[1]。

专利法第二十五条第一款第（二）项规定，智力活动的规则和方法是指导人们进行思维、表述、判断和记忆的规则和方法，指导人们进行这类活动的规则和方法不能被授予专利权[1]。

智力活动的规则和方法有两种表现方式：一种是权利要求的全部内容仅仅涉及智力活动的规则和方法;另一种是，除主题名称外，对其限定的全部内容均为智力活动的规则和方法。因此，在判断权利要求是否是智力活动的规则和方法时，重点考量限定的内容是否全部都是智力活动的规则和方法。

对于上述两个法条之间的关系，首先，如果一项权利要求本身属于专利法第二十五条第一款第（二）项规定的情形，其必然属于专利法第二条第二款规定的授权的客体。这里存在法条竞合，但通常会指出其不符合专利法第二十五条第一款第（二）项的规定。其次，这两个法条的判断起点都是权利要求中是否包含技术特征。在判断是否是技术特征时可能需要根据特征实际含义认定其在权利要求中的作用，判断特征本身是否有具体的技术上的含义，实质是否构成了技术手段、是否能够解决技术问题并产生技术上的效果[2]。如果一项权利要求在对其进行限定的全部内容中既包括智力活动的规则和方法的内容，又包括技术特征，则该权利要求就整体而言不属于专利法第二十五条第一款第（二）项规定的情形，此时需要判断其是否符合专利法第二条第二款的规定。涉及算法流程的权利要求，只要算法与具体技术领域结合解决某个技术问题，则可以通过专利法第二条第二款的审查。以下通过几个案例分析如何撰写涉及算法流程的权利要求避免存在客体问题。

2 案例分析

【案例1】

权利要求：一种建立数学模型的方法，具体步骤为：

（1）根据第一分类任务的训练样本中的特征值和至少一个第二分类任务的训练样本中的特征值，训练初始特征提取模型，训练得到目标特征提取模型;所述第二分类任务是与所述第一分类任务相关的其它分类任务;

（2）根据所述目标特征提取模型，处理所述第一分类任务的每个训练样本中的特征值，得到所述每个训练样本对应的提取特征值;

（3）提取训练样本，所述提取训练样本由所述每个训练样本对应的提取特征值和标签值组成，采用提取训练样本训练初始分类模型得到目标分类模型;

（4）将所述目标特征提取模型和所述目标分类模型组成所述第一分类任务的数学模型。

分析及结论：权利要求请求保护的方案涉及算法流程，该方案不涉及任何具体的应用领域，算法流程中涉及的各种值和各种模型都是抽象的通用数据，各种数据处理过程是一系列抽象的数学方法步骤，最后得到的第一分類任务的数学模型也是抽象的通用分类数学模型。权利要求保护的是一种抽象的模型建立方法，其中的处理对象、过程和结果都不涉及与具体应用领域的结合，是对抽象的数学方法进行优化，且整个方案不包括技术特征，因此该方案属于专利法第二十五条第一款第（二）项规定的智力活动的规则和方法，不属于专利保护的客体。

【案例2】

权利要求：一种基于半监督学习的支持向量机分类器训练方法，具体步骤为：

步骤一：用初始已标注样本集训练一个初始支持向量机SVM分类器;

步骤二：用SVM分类器从未标注样本集U中选择分类置信度高的样本，组成高置信度样本集S;

步骤三：判断高置信度样本集S中的每个样本的信息量大小，信息量小的样本从高置信度样本集S中移除，并重新放回未标注样本集U中;

步骤四：机器自动标注高置信度样本集S中置信度高且信息量大的样本然后加入SVM分类器的已标注样本集L中;

步骤五：用更新的已标注样本集L作为训练数据，重新训练SVM分类器;

步骤六：根据停止准则判断是退出循环还是继续迭代;基于半监督学习来训练SVM分类器减小了人工标注的工作量。

分析及结论：权利要求请求保护的方案涉及对样本的分类，该方案首先采用初始已标注样本集作为训练样本训练初始SVM分类器，然后向已标注样本集中添加置信度高且信息量大的样本，对已标注样本集进行反复迭代和更新，从而训练最终的SVM分类器。该方案只是一种理论性的数学算法，未将具体的应用领域结合到权利要求中，方案中所述样本集不是一个具有具体含义的集合，而仅仅是一个数学上的集合概念，属于抽象的通用集合，整个方案不包括技术特征，该方案属于单纯的数学算法，属于专利法第二十五条第一款第（二）项规定的智力活动的规则和方法，不属于专利保护的客体。

【案例3】

权利要求：一种时频联合的支持向量机半监督学习方法，包括以下步骤：

（1）将已标注样本的时域特征和频域特征分别提取出来，并分别训练初始支持向量机SVM分类器C1、SVM分类器C2、SVM分类器C;

（2）利用SVM分类器C1、SVM分类器C2从未标注样本集U中选择高置信度样本，组成高置信度样本集S;

（3）机器自动标注高置信度样本集S中的样本然后放入已标注样本集L中;

（4）重新提取更新的已标注样本集L的时域特征和频域特征，并进行特征选择，重新训练SVM分类器C;

（5）根据停止准则判断是退出循环还是继续迭代，继续迭代则返回步骤（2）。

分析及结论：权利要求请求保护的方案虽然是一种学习方法，但是该方法提取学习样本的时域特征和频域特征，而时域特征和频域特征是信号的基本特征，信号是信息的载体，是随着时间变化的客观物理量，时域反映的是信号随时间变化的情况，频域反映的是信号在不同频率上的分布情况。由此可知，该方案请求保护的学习方法涉及信号分类的技术领域，将算法应用到了具体的技术领域，形成基于该算法的解决方案，该方案中采用了提取已标注样本的时域特征和频域特征、确定高置信度样本迭代训练SVM分类器等技术手段，其能够解决在单一特征空间中判断样本置信度的方法效果较差的技术问题，获得了样本置信度判断更加准确的技术效果，因此不属于专利法第二十五条第一款第（二）项规定的智力活动的规则和方法，属于专利保护的客体。

【案例4】

权利要求：一种用于确定两个图像之间的相似性的方法，其通过自动比较两个度量值组确定两个图像之间的相似性，采用摄像机拍摄两幅图像，所述两个度量值组为所述两幅图像的图像数据;利用被相应地编程的装置;所述两个度量值组的度量值分别被分配给由索引限定的有限数量的类之一，使得分别针对所述两组中的每一组定义频次分布，该频次分布针对每一类指出被分配到该类的度量值的频次，其中，所述度量值分别被分配给一个图像点，所述类代表关于亮度值和/或色调和/或色饱和度的区间;根据第一修正值[match]的最終值计算所述频次分布之间的反映所述两个度量值组之间的相似性或非相似性的距离量度;分别对于彼此之间距离为[d]的所有索引[i]和[j]，通过使用两个变量组的算法计算所述第一修正值[match]，其中，给定的最大距离[dmax1]，对于所有的整数距离[d]符合[d][dmax]，以[d=0]开始继续增加距离[d];另一修正值的当前值被定义为：[minq′i，v′j];其中，[m]代表另一修正值，[q′i]代表两个变量组中的第一组的变量，而[v′j]代表第二变量组中的变量，这两个变量组中的变量在算法开始时被定义为[q′i=qi]，[v′j=vj]，其中，[qi]代表所述两个频次分布中第一频次分布中的频次，而[vj]代表第二频次分布中的频次;在此之后，变量[q′i]和[v′j]分别通过减去另一修正值[m]的当前值而被重新定义，并且乘以矩阵元素[ai，j]的另一修正值[m]的当前值与初始定义为[match=0]的第一修正值[match]的当前值相加，其中，矩阵元素[ai，j]形成相似性矩阵，对于所有索引[i]，[ai，i=1]，并且对于最大距离[dmax]且[i≠j]的所有索引[i]和[j]，[1ai，j<1]。

分析及结论：权利要求请求保护的方案涉及算法，将算法应用于图像处理技术领域，其中定义的类代表图像的亮度值和/或色调和/或色饱和度的空间，上述数据是图像领域的技术数据，即涉及的参数均是图像领域的技术参数，考虑了图像领域的技术特点。基于上述技术参数，对两个图像进行对比得到相似度，解决了如何自大量图像中自动识别场景变化、镜头变化或子镜头变化或进行图案识别的技术问题。该方案将算法应用到图像处理技术领域，形成基于该算法的解决方案，采用了遵循自然规律的技术手段，解决了技术问题，获得了技术效果，因此该方案不属于专利法第二十五条第一款第（二）项规定的智力活动的规则和方法，属于专利保护的客体。

3 结语

本文通过几个具体案例，从客体角度分析涉及算法流程的权利要求的撰写方式对申请产生的影响，对如何撰写这类型的权利要求给出建议。纯算法流程本身属于不授权客体，但如果将抽象的算法与具体技术领域结合，如将至少一个参数的定义与技术领域中的具体数据对应关联起来，涉及的参数、数据具有具体的物理含义，形成基于该算法的解决方案，该解决方案采用了技术手段、并解决了相应技术领域的技术问题，也获得了技术效果，则属于专利保护的客体。涉及算法的发明的权利要求的撰写采用这种撰写方式，可以避免不授权客体的问题。但应当注意，如果仅仅在权利要求的主题名称中体现算法的应用领域，其限定内容依然全部是算法本身，采用这种撰写方式撰写的权利要求请求保护的方案仍属于专利法第二十五条第一款第（二）项规定的智力活动的规则和方法，不属于专利保护的客体，应当避免采用这种撰写方式。涉及算法流程的权利要求的撰写采用正确的撰写方式，有利于促进申请质量提升，节约审查程序，更好地平衡申请人所做贡献和利益回报。

参考文献：

[1] 国家知识产权局.专利审查指南2010（修订版）[M].北京：知识产权出版社，2010：119-124.

[2] 魏保志.发明专利保护客体典型案例评析[M].北京：知识产权出版社，2013：38-39.