算法与领域的松紧耦合对于客体判断的影响

算法与领域的松紧耦合对于客体判断的影响

王超,王颖

国家知识产权局专利局专利审查协作天津中心

摘  要：本文聚焦商业方法领域客体判断中算法与领域的松紧耦合的分析，并结合实际案例分析和讨论此类具有耦合关系案件的客体判断思路，以期能为跨商业方法领域的审查员提供帮助，帮助其合理的运用客体的法律条款，提升审查质量和审查效率。

关键词：客体；耦合；松紧；跨领域

一、序言

互联网技术自 20 世纪 90 年代中叶逐步商业化以来，在商业活动等过程中得到了越来越广泛的应用，相应地商业方法的发明专利申请量也呈逐年增多的态势，商业方法分为两类：一、单纯商业方法发明专利申请是指单纯以商业经营、管理等方法与策略为保护内容的专利申请；二、涉及商业方法的发明专利申请是指利用计算机及网络技术运行、处理和实现涉及商业方法模式的专利申请[1]。随着互联网、大数据、人工智能等新技术新业态的蓬勃发展，依托计算机、互联网、大数据等技术将传统商业活动和算法模型相结合并直接在商业活动中应用，成为目前专利申请的主力军，这其中算法与领域相结合的“耦合申请”层出不穷。

《指南》第二部分第九章第6.1.2节规定了：如果权利要求中涉及算法的各个步骤体现出与所要解决的技术问题密切相关，如算法处理数据是技术领域中具有确切含义的数据，算法的执行能直接体现出利用自然规律解决某一技术问题的过程，并且获得技术效果，则通常该权利要求限定的解决方案属于专利法第二条第二款所述的技术方案[2]。

根据上述规定，对于有具体的应用领域并且算法的各个步骤与应用领域内的物理参数密切结合，以解决该领域内的技术问题的 “耦合申请”，通常认为领域与算法密切相关，也称为“紧耦合”，这类紧耦合的“耦合申请”符合《指南》第二部分第九章第6.1.2节对于技术方案的认定，因此属于专利法第二条第二款所述的技术方案。但是仍有很大比例的专利申请都不是明显的紧耦合，例如仅仅在主题名称中出现应用领域，但是权利要求特征部分的内容是与领域毫无结合的算法描述，又或者是算法模型的输入和输出描述了应用领域的物理参量，但是并未与算法的各个步骤相结合等等，上述描述并未体现出算法与领域的密切相关性而导致这类“耦合申请”属于松耦合的情形，这类松耦合申请不属于专利法第二条第二款所述的技术方案。

针对“耦合申请”的松紧度的判断是此类案件的判断难点，本文针对算法与领域结合的案例中松紧耦合度的判断进行分析，并通过具体案例探讨该类案件客体判断的方法，为跨商业方法领域审查员的客体案件审查提供参考依据。

二、算法与领域松紧耦合度的判断方法

（一）松耦合度

1.算法与应用领域无结合

算法与应用领域无结合，主要体现为：申请内容中主题与领域无结合，权利要求特征部分的描述是未与领域结合的纯算法描述，同时说明书部分也没有限定算法所能应用的领域；

针对（1）的情况给出案例1予以说明：

【案例1】

案例简介：发明名称为一种神经网络训练实体间关系的方法及装置[3]。现有知识库的关系过于稀疏，人工补全耗费大量的人力和物力，因为需要一种补全知识库实体关系的方法。

权利要求1如下：一种神经网络训练实体间关系的方法，其特征在于，所述方法包括：利用关系编码器对第一实体与第二实体间的单跳路径数据进行处理，得到所述单跳路径的关系向量，以及对第一实体与第二实体间的多跳路径中的各跳路径数据进行处理，得到所述多跳路径的路径向量；利用路径编码器对多个多跳路径的路径向量进行处理，得到所述多跳路径的加权表示；利用特征提取器对所述单跳路径的关系向量和所述多跳路径的加权表示进行处理，得到共享特征；所述特征提取器的参数更新依据源鉴别器和关系分类器产生的梯度；其中，所述源鉴别器用于判别输入的共享特征来自所述单跳路径还是所述多跳路径；利用所述关系分类器对所述共享特征进行处理，得到所述第一实体和所述第二实体间的关系训练结果。

案例分析：实体及实体间关系是知识图谱中涉及的基础数据结构，其并不存在领域的限制，在客体判断时仍需要分析其各步骤是否体现出与所要解决的技术问题密切相关，是否体现出应用于具体的领域，以及处理对象是否为对应领域下的具有确切技术含义的数据。从本申请权利要求的方法步骤来看，为了补全知识库中实体的关系，方案通过神经网络训练实体间的关系，训练过程中考虑实体间单跳路径和多跳路径的加权，以得到两个实体间关系的训练结果，该训练结果仍然是知识库中反映实体及实体间关系的数据结构本身，其没有限定应用的技术领域，其处理的数据也并非技术领域中具有确切技术含义的数据，算法与领域属于明显的松耦合，仅属于是对抽象算法本身的优化，未采用遵循自然规律的技术手段，相应的，获得的效果仅为使实体间的关系描述更准确，不构成技术效果，因此不属于专利保护的客体。

（二）紧耦合度

紧耦合度主要体现在：算法与应用领域有结合并且密切相关，具体表现在：申请内容中主题部分与应用领域有结合，权利要求特征部分的算法描述部分的各个步骤与该领域的物理参量有密切结合，并且能够解决该领域的技术问题。

【案例2】

案例简介：发明名称为能源数据预测模型的训练、能源数据的预测方法及装置[4]。现有技术中针对能源数据预测的精度较低，因而需要一种能源数据预测的方法以提升能源的预测精度。

权利要求1如下：一种能源数据预测模型的训练方法，其特征在于，包括：利用第一能源样本集中的第一多维度物理数据，对自编码器进行训练，使训练后的自编码器具有输出多维度物理数据中各维度之间的隐含特征的能力；利用所述训练后的自编码器，对第二能源样本集中的第二多维度物理数据进行隐含特征提取，得到第二隐含特征；利用所述第二隐含特征以及第二能源数据结果，对极限学习机进行训练，使训练后的极限学习机具有根据隐含特征输出能源数据预测结果的能力；其中，能源样本集中包含多组历史多维度物理数据、以及分别对应的多个历史能源数据结果，所述多维度物理数据为产生能源数据的物理条件。

案例分析：本申请为了解决能源数据预测精度低的问题，通过能源样本集对自编码器进行训练，提取能源样本的多维度物理数据中各个维度之间的特征，再利用该特征和能源数据结果对极限学习机进行训练，同时方案中限定了该领域的物理参量，也即自编码和极限学习算法应用到能源预测的各个步骤中，并且结合了相应的物理参量，实现了算法的各个步骤与该领域的物理参量密切相关，体现出算法与领域的紧耦合度，因此属于专利法第二条第二款所述的技术方案。

三、结语

随着大数据、计算机网络与商业活动融合创新的不断发展，算法与领域结合的“耦合申请”不断增加，如何把握两者的耦合紧密度成为判断该类案件是否符合专利法第2条第2款的客体的关键，也是客体判断的难点，尤其是对于跨商业方法领域的审查员，往往面对该类案件的审查力不从心。总结来说，对于松紧耦合的判断主要把握以下几点：（1）方案的主题和特征部分是否限定了应用领域以及该应用领域的物理参量或者具有确切技术含义的数据；（2）算法描述部分的各个步骤中是否与该应用领域下的物理参量密切结合，并且通过该结合后算法的执行过程解决该应用领域的技术问题，产生相应的技术效果。本文结合实例对对算法与领域结合的松紧耦合度进行分析，探讨此类案件的客体判断的方法，为跨领域审查员提供一定的帮助。

参考文献

[1] 中华人民共和国国家知识产权局 2014 核心课程教研组.计算机领域涉及商业方法的发明专利申请的审查[Z]. 2014.

[2] 中华人民共和国国家知识产权局.专利审查指南(2019版)[M]. 北京，知识产权出版社.

[3] 中华人民共和国国家知识产权局电学发明审查部.电学领域共享案例一般共享案例—A25/A2.2 案情详情汇总[Z].2018.

[4] 王京霞等.专利审查规则适用及案例新解[M].知识产权出版社.2022.

1