股票配资导航然后将训练的专用模型的每一个的嵌入输出作为学习目标

本文以三件复审案件为基础简要讨论了涉及算法的专利申请的创造性判断，如有不当之处，望各位同仁批评、指正。

作者 | 李东玉北京林达刘知识产权代理事务所专利代理师

引言

近年来，人工智能、“互联网+”、大数据以及区块链等技术日新月异，催生了新领域、新业态创新成果保护的迫切需求。为了响应该需求，2019年修改的审查指南在第二部分第九章新增第6节“包含算法特征或商业规则和方法特征的发明专利申请审查相关规定”，对此类申请的授权客体、新颖性和创造性、说明书和权利要求书撰写方面进行了明确规定。并且，2023年修改的审查指南进一步完善了与包含算法特征的专利申请有关的审查基准，从而强化了对新领域、新业态相关发明创造的保护。

随着审查指南关于包含算法特征的权利要求的保护客体的审查标准进一步明确，明显不属于保护客体的此类专利申请越来越少，由此导致创造性的审查意见越来越多。因此，正确地理解并运用此类专利申请的创造性判断规则对于申请人以及专利代理师来说非常重要。

一、审查指南的规定

对于包含算法特征的专利申请的创造性，专利审查指南在第二部分第九章规定了：

对既包含技术特征又包含算法特征或商业规则和方法特征的发明专利申请进行创造性审查时，应将与技术特征功能上彼此相互支持、存在相互作用关系的算法特征或商业规则和方法特征与所述技术特征作为一个整体考虑。“功能上彼此相互支持、存在相互作用关系”是指算法特征或商业规则和方法特征与技术特征紧密结合、共同构成了解决某一技术问题的技术手段，并且能够获得相应的技术效果。

关于“功能上彼此相互支持、存在相互作用关系”的具体判定规则，审查指南进一步进行了如下规定：

如果权利要求中的算法应用于具体的技术领域，可以解决具体技术问题，那么可以认为该算法特征与技术特征功能上彼此相互支持、存在相互作用关系，该算法特征成为所采取的技术手段的组成部分，在进行创造性审查时，应当考虑所述的算法特征对技术方案作出的贡献。

如果权利要求中的算法与计算机系统的内部结构存在特定技术关联，实现了对计算机系统内部性能的改进，提升了硬件的运算效率或执行效果，包括减少数据存储量、减少数据传输量、提高硬件处理速度等，那么可以认为该算法特征与技术特征功能上彼此相互支持、存在相互作用关系，在进行创造性审查时，应当考虑所述的算法特征对技术方案作出的贡献。

如果发明专利申请的解决方案能够带来用户体验的提升，并且该用户体验的提升是由技术特征带来或者产生的，或者是由技术特征以及与其功能上彼此相互支持、存在相互作用关系的算法特征或商业规则和方法特征共同带来或者产生的，在创造性审查时应当予以考虑。

下面，笔者结合三个实际案例，来说明在涉及算法的专利申请的创造性审查中如何评估算法特征与技术特征的关联关系以及对技术方案作出的技术贡献。

二、案例介绍

1、案例1（201810734681.2）

该案例为2024年专利复审无效十大案例之一，涉及一种“用于处理图像的方法和装置”。

驳回决定针对的权利要求1如下：

一种用于处理图像的方法，包括：

获取目标对象的拍摄图像；

将所述拍摄图像输入至预先训练的、与所述目标对象对应的关键点检测模型，得到位置信息集合，其中，位置信息包括位置坐标，位置坐标用于表示关键点信息集合中的关键点信息指示的关键点对应在所述拍摄图像中的位置，关键点是预先确定的、所述目标对象上的点，不同的目标对象对应不同的关键点检测模型；

其中，位置信息还包括可见性信息，其中，可见性信息用于表示关键点信息集合中的关键点信息指示的关键点显示在所述拍摄图像中的概率。

驳回决定使用对比文件1和2否定了权利要求1的创造性。

在提交复审请求时，申请人没有修改权利要求。在复审程序中，申请人对权利要求1进行了修改，相对于驳回决定所针对的审查文本，在权利要求1中增加了特征：“所述目标对象包括指定的对象和/或预设时间段内拍摄设备所拍摄到的对象，所述目标对象包括球场”“所述关键点检测模型是基于所述目标对象的拍摄图像和拍摄图像对应的位置信息集合训练得到的”。

基于以上修改，合议组认为修改后的权利要求1相对于对比文件1和2具有创造性。

在复审决定中，合议组认可权利要求1的大部分特征没有被对比文件1公开，针对权利要求1的创造性，进行如下分析：

基于区别特征，权利要求1实际解决的技术问题是：如何确定同一目标对象在不同拍摄图像中的对应关系。

合议组认为，上述区别特征限定了权利要求1中目标对象为指定的或拍摄到的特定球场对象，并且针对每一特定球场对象，使用该特定球场对象自身的拍摄图像及位置信息集合训练得到与该特定球场对象一一对应的关键点检测模型，在将该特定球场对象的多帧图像（如不同角度或不同时刻的拍摄图像）输入对应的关键点检测模型时，通过模型输出该球场对象的关键点在不同拍摄图像中的不同位置坐标和可见性信息，进而可确定同一球场对象的关键点在不同拍摄图像中的几何变换关系，可以实现基于多帧球场图像的比赛数据分析。

对比文件1虽然提及关键点定位模型，但其处理的目标对象仅为人脸图像而不涉及球场图像；对比文件1中所有人脸图像通常对应同一人脸关键点定位模型，该模型没有与特定目标对象一一对应，对比文件1涉及的人脸识别功能亦无此需求，因此本领域技术人员也无法从中获得针对每一目标对象设置一一对应的关键点定位模型的技术启示；对比文件1中该人脸关键点定位模型所针对的仅是单帧人脸图像的关键点及其图像质量，不涉及同一目标对象在多帧图像中关键点的对应关系。因此，对比文件1未公开上述区别特征，也未给出采用上述区别特征来解决如何确定同一目标对象在不同拍摄图像中对应关系的技术问题的启示。

对比文件2处理对象也不涉及前述区别特征所限定的球场拍摄图像，未给出前述区别特征中建立与目标对象一一对应的关键点检测模型的技术启示，更不会面临确定同一球场对象的关键点在不同拍摄图像中的对应关系的技术问题。因此，对比文件2未公开前述区别特征，也未给出结合对比文件1并应用于球场对象以解决如何确定同一目标对象在不同拍摄图像中对应关系的技术问题的启示。

国家知识产权局对此案的典型意义进行了如下评价：

本案对于将算法或模型与应用场景特征结合的技术方案的创造性审查具有示范作用，鼓励场景创新驱动技术创新。决定指出，在创造性审查“三步法”框架下，充分考虑应用场景特征是否导致算法或模型发生实质性调整或改变。如果与现有技术相比，涉案专利申请的算法或模型的应用场景不同，使得其在算法或模型的结构、算法或模型所处理的训练数据、输入数据、输出数据、算法或模型的选择等方面构成实质性区别，对本领域技术人员而言是非显而易见的，并且获得了相应的技术效果，则该技术方案具备创造性。如果发明的技术贡献在于通过算法或模型的改进解决了某一应用场景下的特定技术问题，则创新主体在撰写申请文件和答复通知书以及修改权利要求时，应当充分体现上述内容。

案例1的技术贡献在于通过算法的改进解决了特定应用场景下的特定技术问题。本申请中，通过在复审阶段对权利要求1追加了与特定应用场景相关的特征“所述目标对象包括指定的对象和/或预设时间段内拍摄设备所拍摄到的对象，所述目标对象包括球场”以及“所述关键点检测模型是基于所述目标对象的拍摄图像和拍摄图像对应的位置信息集合训练得到的”，使得修改后的权利要求1充分体现算法所适用的特定的应用场景以及特定的技术问题，从而使得技术特征和算法特征能够相互支持，算法特征对技术方案的贡献得到合议组的认可。

2、案例2（201780089483.9）

案例2涉及一种使用神经网络生成统一机器学习模型的系统和方法。

驳回决定针对权利要求1如下：

一种用于在数据处理装置上使用神经网络生成统一机器学习计算模型的计算机实施的方法，所述方法包括：

由数据处理装置并且为神经网络确定多个对象顶点中的每一个的相应学习目标，其中，每个对象顶点定义属于所述顶点的对象的不同类别，以及其中，每个学习目标基于至少一个其他神经网络的两个或更多个嵌入输出；其中确定所述神经网络的相应学习目标还包括：

由数据处理装置并且基于第二损失函数来训练多个专用模型，其中所述多个专用模型中的每一个都被训练为识别不同的对象顶点；

以及由数据处理装置利用所述多个专用模型中的每一个生成一个或多个嵌入输出，其中，基于所述嵌入输出来确定相应学习目标；

由数据处理装置并且基于第一损失函数来训练神经网络，以识别与所述多个对象顶点中的每一个相关联的数据，其中，所述神经网络是使用相应学习目标来训练的；

以及由数据处理装置并且使用基于第一损失函数训练的神经网络生成统一机器学习模型，所述统一机器学习模型被配置为识别包括在与所述多个对象顶点中的每一个相关联的数据中的项，

其中，所述第一损失函数是L2损失函数，并且生成所述统一机器学习模型包括：

生成最小化与所述L2损失函数相关联的计算输出的特定统一机器学习模型。

驳回决定使用对比文件1否定了权利要求1的创造性。

在提交复审请求时，申请人在权利要求1中增加了特征：“其中，首先基于第二损失函数来训练多个专用模型，以实现辨别图像数据中包括的对象的期望的阈值准确度水平，然后将训练的专用模型的每一个的嵌入输出作为学习目标，以训练统一机器学习模型”。

该案进入合议审查阶段后，合议组直接认可了复审请求时修改的权利要求的创造性，未发出复审通知书而直接发出撤销驳回决定的复审决定。

在复审决定中，合议组认可权利要求1的大部分特征没有被对比文件1公开，并且针对权利要求1的创造性，合议组分析如下：

基于区别技术特征可以确定权利要求1实际解决的技术问题为：如何在不降低辨别准确度的情况下，提高模型的分类识别范围。

为了解决上述技术问题，本申请权利要求1请求保护的方案在分类识别中，训练得到多个专用模型后，获取每一专用模型的嵌入输出作为统一学习模型的学习目标，以训练得到所述统一机器学习模型。而对比文件1是在图像推荐或视觉推荐中，基于深度学习，使用专用模型或者统一机器学习模型来为用户提供排序后的相似产品图像，专用模型与统一机器学习模型是分别各自训练得到的，训练得到的专用模型与统一机器学习模型可以用于处理输入的图像并输出处理结果，由此可见，对比文件1在专用模型与统一机器学习模型的训练过程中并不需要将模型的输出作为另一模型的学习目标，也即对比文件1并不能给出将专用模型的嵌入输出作为统一学习模型的学习目标的启示，因此，根据对比文件1公开的内容，本领域技术人员没有动机对其改进以得到区别技术特征。

同时，没有在案证据证明，上述区别技术特征作为一个整体属于本领域的公知常识。

上述区别技术特征使得权利要求1请求保护的方案具有如下有益的技术效果：在不降低辨别准确度的情况下，能够提高模型的分类识别范围。

案例2的技术贡献在于，通过算法的执行来优化计算机系统中硬件资源的调度，提升分类识别的执行效果，由此对计算机系统的内部性能进行改进。

具体地，权利要求1中的技术方案通过基于第二损失函数来训练多个专用模型，以实现辨别图像数据中包括的对象的期望的阈值准确度水平，然后将训练的专用模型的每一个的嵌入输出作学习目标，以训练统一机器学习模型，由此在不降低辨别准确度的情况下能够提高模型的分类识别范围。因此，上述训练统一机器学习模型的算法特征与技术特征在功能上彼此相互支持、存在相互作用关系。因此，算法特征和技术特征作为一个整体，在创造性判断的过程中都应当予以考虑。如合议组所认定的，该整体的特征没有被对比文件1公开，也不属于本领域的公知常识。因此，权利要求1具备创造性。

3、案例3（201810476385.7）

案例3涉及一种基于区块链的离线交易方法及装置。

驳回决定所针对的权利要求1如下：

一种基于区块链的离线交易方法，其特征在于，包括：

获取指定标识，确定所述指定标识在区块链中是否存在相应的记录；

当存在时，验证所述指定标识是否为激活状态；

当所述指定标识为激活状态时，验证本次交易是否满足所述指定标识在所述区块链中对应的交易限制，所述交易限制为支付账户授权指定标识进行支付时的限制；

当满足所述交易限制时，根据所述指定标识对应的支付账户生成离线交易信息，并将所述离线交易信息记录在区块链中。

驳回决定中引用了对比文件1和3来评价权利要求1的创造性。

在提交复审请求时，申请人修改了权利要求1，增加了特征“所述离线交易是指在无线网络无服务或终端没电的情况下的电子支付”“其中，通过区块链将支付账户的支付功能授权给所述指定标识”“在激活状态下，允许使用指定标识进行离线支付”。

该案进入合议审查阶段后，合议组直接认可了复审请求时修改的权利要求的创造性，未发出复审通知书而直接发出撤销驳回决定的复审决定。

在复审决定中，合议组认可权利要求1的绝大部分特征都没有被对比文件1公开，并且针对权利要求1的创造性，合议组分析如下：

基于上述区别特征，可以确定该权利要求实际解决的技术问题是：如何在无线网络无服务或终端没电的情况下保证电子支付的延续。

对比文件3虽然公开了激活状态和交易限制的技术特征，但对比文件3也未涉及无线网络无服务或终端没电的离线交易需求，无需再对支付账户设置指定标识。

也没有证据证明该区别特征属于本领域的惯用手段。

采用该区别特征，通过区块链将支付账户的支付功能授权给所述指定标识，从而在无线网络无服务或终端没电的离线情况下，获取指定标识，确定所述指定标识在区块链中是否存在相应的记录，当存在时，验证所述指定标识是否为激活状态，在激活状态下允许使用指定标识进行离线支付，当所述指定标识为激活状态时，验证本次交易是否满足所述指定标识在所述区块链中对应的交易限制，所述交易限制为支付账户授权指定标识进行支付时的限制；当满足时根据所述指定标识对应的支付账户生成交易信息，从而在离线状态下延续电子支付，提高了用户体验，具有有益的技术效果。

案例3的技术贡献在于通过技术特征以及与其功能上彼此相互支持、存在相互作用关系的算法特征共同作用，带来了用户体验的提升的技术效果。

三、总结

通过以上几个实例可以看出，针对涉及算法改进的专利申请的创造性判断，审查员在实际审查中所采取的规则与审查指南的相关规定是相符的。对于包含算法特征的专利申请的创造性的判断，关键在于判断算法特征与技术特征之间是否功能上彼此相互支持、存在相互作用关系，如果是，则算法特征对于创造性的贡献应当予以考虑。也就是说，需要判断算法特征是否被公开和启示，或者是否属于公知常识。

因此，深刻理解专利审查指南的相关规定，对于算法领域的申请人以及专利代理师来说，是至关重要的。本文以三件复审案件为基础简要讨论了涉及算法的专利申请的创造性判断，如有不当之处，望各位同仁批评、指正。

知产力AI智能体点评

这篇文章从审查指南规定出发，结合典型案例系统阐释了算法类专利申请的创造性判断逻辑，对从业者具有重要参考意义。以下从三方面进行点评：

1、结构清晰，逻辑严谨

文章采用“引言-审查指南规定-案例解析-总结”的递进式框架，层层深入。尤其在案例部分，每个案例均遵循“技术方案-驳回争议-复审修改-合议组分析”的脉络，完整呈现了创造性判断的动态过程。例如案例1中，通过追加球场场景特征使算法与应用场景的关联性得到强化，最终被认可创造性，生动体现了“技术问题导向”的审查逻辑。这种结构便于读者理解审查标准与实务操作的衔接。

2、紧扣审查标准，凸显核心规则

作者精准把握了算法类专利申请创造性的两大关键：技术关联性与场景特异性。一方面，强调算法需与计算机内部结构或具体技术领域结合（如案例2中模型训练与硬件效率的关联）；另一方面，突出应用场景对算法创新的限定作用（如案例3中离线支付场景对区块链算法的特殊要求）。这些分析与2023版《审查指南》中“功能相互支持”“解决具体技术问题”等要求高度契合。

3、案例典型，指导性强

选取的三个案例覆盖了图像处理、机器学习模型优化、区块链支付等热点领域，具有代表性。案例解析不仅展示复审策略（如特征补充的针对性），还揭示了审查中的常见误区：例如案例1中审查员最初忽视球场场景对算法结构的实质性影响，印证了“整体考量”原则在创造性判断中的重要性。这种结合具体审查意见的对比分析，对代理师的答复实务极具启发性。

改进建议：可补充对“技术效果”论证要点的探讨，例如如何量化算法带来的硬件性能提升或用户体验改进，以进一步强化创造性主张。总体而言，本文成功架起了审查规则与实务操作的桥梁，是一篇高质量的实务指导文献。