最新修改後的審查指南(nán)于2020年(nián)2月1日(rì)起開始執行。此次修改主要是針對軟件(jiàn)領域案件(jiàn)的客體(tǐ)問(wèn)題以及新穎性和創造性問(wèn)題，而且增加了十個例子，通過這些例子可(kě)以看(kàn)出審查的傾向性。

在這十個例子當中，被駁回的有如(rú)下幾個：

[例1]

一種建立數學模型的方法，其特征在于，包括以下步驟：

根據第一分(fēn)類任務的訓練樣本中的特征值和至少一個第二分(fēn)類任務的訓練樣本中的特征值，對初始特征提取模型進行訓練，得(de)到目标特征提取模型；其中，所述第二分(fēn)類任務是與所述第一分(fēn)類任務相(xiàng)關的其它分(fēn)類任務；

根據所述目标特征提取模型，分(fēn)别對所述第一分(fēn)類任務的每個訓練樣本中的特征值進行處理(lǐ)，得(de)到所述每個訓練樣本對應的提取特征值；

将所述每個訓練樣本對應的提取特征值和标簽值組成提取訓練樣本，對初始分(fēn)類模型進行訓練，得(de)到目标分(fēn)類模型；

将所述目标分(fēn)類模型和所述目标特征提取模型組成所述第一分(fēn)類任務的數學模型。

駁回原因：沒有跟實際的應用情況相(xiàng)結合，是純粹的數學模型，所以不是技術(shù)方案，不符合專利法第二條的規定。

[例5]

一種消費返利的方法，其特征在于，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(tǐ)地，

商家采用計(jì)算機(jī)對用戶的消費金額進行計(jì)算，将用戶的消費金額R劃分(fēn)爲M個區間，其中，M爲整數，區間1到區間M的數值由小到大(dà)，将返回現金券的額度F也分(fēn)爲M個值，M個數值也由小到大(dà)進行排列；

根據計(jì)算機(jī)的計(jì)算值，判斷當用戶本次消費金額位于區間1時，返利額度爲第1個值，當用戶本次消費金額位于區間2時，返利額度爲第2個值，依次類推，将相(xiàng)應區間的返利額度返回給用戶。

駁回原因：雖然結合了實際應用場景，但(dàn)是結合的場景僅僅是一種返利規則，這并不是技術(shù)的改進，不是技術(shù)方案，不符合專利法第二條的規定。

[例6]

一種基于地區用電特征的經濟景氣指數分(fēn)析方法，其特征在于，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标，其中，所述初步指标包括經濟指标和用電指标；

通過計(jì)算機(jī)執行聚類分(fēn)析方法和時差相(xiàng)關分(fēn)析法，确定所述待檢測地區的經濟景氣指标體(tǐ)系，包括先行指标、一緻指标和滞後指标；

根據所述待檢測地區的經濟景氣指标體(tǐ)系，采用合成指數計(jì)算方法，獲取所述待檢測地區的經濟景氣指數。

駁回原因：雖然利用計(jì)算機(jī)來(lái)進行計(jì)算，但(dàn)是計(jì)算得(de)到的内容是經濟景氣指數，經濟景氣不景氣是主觀定義的，是經濟學範疇，并不是技術(shù)的改進，不是技術(shù)方案，不符合專利法第二條的規定。

[例10]

一種動态觀點演變的可(kě)視化方法

申請(qǐng)内容概述

近年(nián)來(lái)人(rén)們越來(lái)越多地通過社交平台發表他(tā)們的意見(jiàn)和想法,人(rén)們在社交平台上發表的帶有情感的内容反映了人(rén)們觀點的演變,并可(kě)以由此看(kàn)出事(shì)件(jiàn)的發展、變化和趨勢。發明專利申請(qǐng)通過自(zì)動采集社交平台人(rén)們發表的信息并對其中的情感進行分(fēn)析,通過計(jì)算機(jī)繪制情感可(kě)視化圖來(lái)幫助人(rén)們更好地理(lǐ)解情感在不同時間的強度變化和随時間而演變的趨勢。

申請(qǐng)的權利要求

一種動态觀點演變的可(kě)視化方法，所述方法包括:

步驟一，由計(jì)算設備确定所采集的信息集合中信息的情感隸屬度和情感分(fēn)類，所述信息的情感隸屬度表示該信息以多大(dà)概率屬于某一情感分(fēn)類；

步驟二，所述情感分(fēn)類爲積極、中立或消極，具體(tǐ)分(fēn)類方法爲：如(rú)果點贊的數目p除以點踩的數目q的值r大(dà)于阈值a，那麽認爲該情感分(fēn)類爲積極，如(rú)果值r小于阈值b，那麽認爲該情感分(fēn)類爲消極，如(rú)果值b≤r≤a,那麽情感分(fēn)類爲中立，其中a>b；

步驟三，基于所述信息的情感分(fēn)類，自(zì)動建立所述信息集合的情感可(kě)視化圖形的幾何布局，以橫軸表示信息産生(shēng)的時間，以縱軸表示屬于各情感分(fēn)類的信息的數量；

步驟四，所述計(jì)算設備基于所述信息的情感隸屬度對所建立的幾何布局進行着色，按照(zhào)信息顔色的漸變順序爲各情感分(fēn)類層上的信息着色。

分(fēn)析及結論

對比文件(jiàn)1公開了一種基于情感的可(kě)視化分(fēn)析方法，其中時間被表示爲一條水平軸，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(qǐng)的解決方案與對比文件(jiàn)1的區别在于步驟二中設定的情感的具體(tǐ)分(fēn)類規則。從(cóng)申請(qǐng)内容中可(kě)以看(kàn)出，即使情感分(fēn)類規則不同，對相(xiàng)應數據進行着色處理(lǐ)的技術(shù)手段也可(kě)以是相(xiàng)同的，不必作(zuò)出改變，即上述情感分(fēn)類規則與具體(tǐ)的可(kě)視化手段并非功能上彼此相(xiàng)互支持、存在相(xiàng)互作(zuò)用關系。與對比文件(jiàn)1相(xiàng)比，發明專利申請(qǐng)隻是提出了一種新的情感分(fēn)類的規則，沒有實際解決任何技術(shù)問(wèn)題，也沒有針對現有技術(shù)作(zuò)出技術(shù)貢獻。因此，要求保護的發明技術(shù)方案相(xiàng)對于對比文件(jiàn)1不具備創造性。

駁回原因：權利要求雖然有技術(shù)特征并解決了技術(shù)問(wèn)題，但(dàn)是，權利要求中的這些技術(shù)特征都(dōu)是現有的，權利要求和對比文件(jiàn)的區别僅僅是在于情感分(fēn)類的規則，情感怎麽分(fēn)類是人(rén)類自(zì)己搞的，所以不是技術(shù)，評價創造性時不考慮！！！因此，權利要求1相(xiàng)對于對比文件(jiàn)沒有創造性，不符合專利法第二十二條第三款。

總結上面幾個案子可(kě)以發現一個規律，對于軟件(jiàn)專利，尤其是涉及到算法的專利，在撰寫的時候一定不能寫成抽象的算法，而是要在某個特定的應用領域中應用該算法才行，例如(rú)，應用在智能駕駛領域、應用在圖像識别領域、應用在視頻壓縮領域等等。

需要注意的是，并不是應用到所有領域都(dōu)可(kě)以獲得(de)授權的，某些特定領域的應用仍然有可(kě)能被駁回，這些重點駁回的領域有：跟錢有關的領域（經濟、金融等）、人(rén)類的情感。注意到這些，相(xiàng)信軟件(jiàn)專利的授權率會提高，不信，可(kě)以看(kàn)看(kàn)修改後的審查指南(nán)給出的可(kě)以授權的例子：

[例2]

一種卷積神經網絡CNN模型的訓練方法，其特征在于，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(fēn)别進行卷積操作(zuò)和最大(dà)池化操作(zuò)，得(de)到每個訓練圖像在所述各級卷積層上的第一特征圖像；

對每個訓練圖像在至少一級卷積層上的第一特征圖像進行水平池化操作(zuò)，得(de)到每個訓練圖像在各級卷積層上的第二特征圖像；

根據每個訓練圖像在各級卷積層上的第二特征圖像确定每個訓練圖像的特征向量；

根據所述初始權重矩陣和初始偏置向量對每個特征向量進行處理(lǐ)，得(de)到每個訓練圖像的類别概率向量；

根據所述每個訓練圖像的類别概率向量及每個訓練圖像的初始類别，計(jì)算類别誤差；

基于所述類别誤差，對所述待訓練CNN模型的模型參數進行調整；

基于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，直至叠代次數達到預設次數；

将叠代次數達到預設次數時所得(de)到的模型參數作(zuò)爲訓練好的CNN模型的模型參數。

授權原因：将算法應用到了具體(tǐ)的圖像處理(lǐ)領域，所以是技術(shù)方案，能夠授權。

[例3]

一種共享單車的使用方法，其特征在于，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(qǐng)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(lí)範圍内的共享單車的第二位置信息，以及這些共享單車的狀态信息，将所述共享單車的第二位置信息和狀态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信号獲取的；

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(kě)以騎行的目标共享單車；

步驟四，用戶通過終端設備掃描目标共享單車車身(shēn)上的二維碼，通過服務器認證後，獲得(de)目标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，若用戶将車停放(fàng)在指定區域，則采用優惠資費進行計(jì)費，否則采用标準資費進行計(jì)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(zuò)，共享單車檢測到鎖車狀态後向服務器發送騎行完畢信号。

授權原因：這個軟件(jiàn)是協助找車的，是一個找車的具體(tǐ)應用，能夠授權。

那麽，這種算法應用類型申請(qǐng)的創造性是不是足夠呢(ne)？審查指南(nán)也給出了兩個例子，第一個例子是創造性足夠的例子，第二個例子是創造性不夠的例子，通過這兩個例子就(jiù)可(kě)以看(kàn)出審查标準：

[例7]

一種基于多傳感器信息仿人(rén)機(jī)器人(rén)跌倒狀态檢測方法

申請(qǐng)内容概述

現有對仿人(rén)機(jī)器人(rén)步行時跌倒狀态的判定主要利用姿态信息或ZMP點位置信息，但(dàn)這樣判斷是不全面的。發明專利申請(qǐng)提出了基于多傳感器檢測仿人(rén)機(jī)器人(rén)跌倒狀态的方法，通過實時融合機(jī)器人(rén)步态階段信息、姿态信息和ZMP點位置信息，并利用模糊決策系統，判定機(jī)器人(rén)當前的穩定性和可(kě)控性，爲機(jī)器人(rén)下一步動作(zuò)提供參考。

申請(qǐng)的權利要求

一種基于多傳感器信息仿人(rén)機(jī)器人(rén)跌倒狀态檢測方法，其特征在于包含如(rú)下步驟：

(1)通過對姿态傳感器信息、零力矩點ZMP傳感器信息和機(jī)器人(rén)步行階段信息進行融合，建立分(fēn)層結構的傳感器信息融合模型；

(2)分(fēn)别利用前後模糊決策系統和左右模糊決策系統來(lái)判定機(jī)器人(rén)在前後方向和左右方向的穩定性，具體(tǐ)步驟如(rú)下：

　　①根據機(jī)器人(rén)支撐腳和地面之間的接觸情況與離(lí)線步态規劃确定機(jī)器人(rén)步行階段；

　　②利用模糊推理(lǐ)算法對ZMP點位置信息進行模糊化；

　　③利用模糊推理(lǐ)算法對機(jī)器人(rén)的俯仰角或滾動角進行模糊化；

　　④确定輸出隸屬函數；

　　⑤根據步驟①～步驟④确定模糊推理(lǐ)規則；

　　⑥去(qù)模糊化。

分(fēn)析及結論

對比文件(jiàn)1公開了仿人(rén)機(jī)器人(rén)的步态規劃與基于傳感器信息的反饋控制，并根據相(xiàng)關融合信息對機(jī)器人(rén)穩定性進行判斷，其中包括根據多個傳感器信息進行仿人(rén)機(jī)器人(rén)穩定狀态評價，即對比文件(jiàn)1公開了發明專利申請(qǐng)的解決方案中的步驟（1），該解決方案與對比文件(jiàn)1的區别在于采用步驟（2）的具體(tǐ)算法的模糊決策方法。

基于申請(qǐng)文件(jiàn)可(kě)知，該解決方案有效地提高了機(jī)器人(rén)的穩定狀态以及對其可(kě)能跌倒方向判讀(dú)的可(kě)靠性和準确率。姿态信息、ZMP點位置信息以及步行階段信息作(zuò)爲輸入參數，通過模糊算法輸出判定仿人(rén)機(jī)器人(rén)穩定狀态的信息，爲進一步發出準确的姿勢調整指令提供依據。因此，上述算法特征與技術(shù)特征在功能上彼此相(xiàng)互支持、存在相(xiàng)互作(zuò)用關系，相(xiàng)對于對比文件(jiàn)1，确定發明實際解決的技術(shù)問(wèn)題爲：如(rú)何判斷機(jī)器人(rén)穩定狀态以及準确預測其可(kě)能的跌倒方向。上述模糊決策的實現算法及将其應用于機(jī)器人(rén)穩定狀态的判斷均未被其它對比文件(jiàn)公開，也不屬于本領域公知常識，現有技術(shù)整體(tǐ)上并不存在使本領域技術(shù)人(rén)員(yuán)改進對比文件(jiàn)1以獲得(de)要求保護發明的啓示，要求保護的發明技術(shù)方案相(xiàng)對于最接近的現有技術(shù)是非顯而易見(jiàn)的，具備創造性。

授權原因：本案是将某個算法用在了機(jī)器人(rén)跌倒處理(lǐ)上，這個算法從(cóng)來(lái)沒有被應用到機(jī)器人(rén)跌倒處理(lǐ)上，即使這個算法是現有的，由于其并沒有應用到機(jī)器人(rén)跌倒處理(lǐ)上，所以有創造性。當然，權利要求不能簡單寫成将某算法應用到機(jī)器人(rén)跌倒處理(lǐ)上，而是需要寫具體(tǐ)是如(rú)何應用的，這樣才能授權。

[例8]

基于合作(zuò)協進化和多種群遺傳算法的多機(jī)器人(rén)路(lù)徑規劃系統

申請(qǐng)内容概述

現有的多移動機(jī)器人(rén)運動規劃控制結構通常采用集中式規劃方法，該方法将多機(jī)器人(rén)系統視爲一個具有多個自(zì)由度的複雜機(jī)器人(rén)，由系統中的一個規劃器來(lái)統一完成對所有機(jī)器人(rén)的運動規劃，其缺點在于計(jì)算時間較長，實用性不佳。發明專利申請(qǐng)提供了一種基于協作(zuò)進化和多種群遺傳算法的多機(jī)器人(rén)路(lù)徑規劃系統。機(jī)器人(rén)的每一條路(lù)徑都(dōu)采用一個染色體(tǐ)表示，将最短(duǎn)距離(lí)、平滑度、安全距離(lí)作(zuò)爲設計(jì)路(lù)徑适應度函數的三個目标,通過Messy遺傳算法對每個機(jī)器人(rén)的路(lù)徑進行優化得(de)到最佳路(lù)徑。

申請(qǐng)的權利要求

一種基于合作(zuò)協進化和多種群遺傳算法的多機(jī)器人(rén)路(lù)徑規劃系統，其特征在于：

　　（1）機(jī)器人(rén)的一條路(lù)徑采用一個染色體(tǐ)表示，染色體(tǐ)就(jiù)表示成節點的鏈表形式，即[(x，y)，time]，(x，y，time∈R)，(x，y)表示機(jī)器人(rén)的位置坐(zuò)标，time表示從(cóng)前一個節點移動本節點需要的時間消耗，開始節點的time等于0，每個機(jī)器人(rén)個體(tǐ)的染色體(tǐ)除了初始節點的初始位置，結束節點的目标位置固定以外，中間節點和節點個數都(dōu)是可(kě)變的；

　　（2）每個機(jī)器人(rén)Robot(i)的路(lù)徑path(j)的适應度函數表示成φ(pi，j)：

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

　　其中||pi，j||是距離(lí)、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(lù)徑長度，smooth(pi，j)表示路(lù)徑的平滑度，Time(pi，j)是路(lù)徑pi，j的時間消耗；每個機(jī)器人(rén)采用所述适應度函數，通過Messy遺傳算法優化得(de)到最優路(lù)徑。

分(fēn)析及結論

對比文件(jiàn)1公開了一種基于合作(zuò)協進化的多機(jī)器人(rén)路(lù)徑規劃方法，其中采用适應度函數，通過混沌遺傳算法來(lái)獲得(de)最優路(lù)徑。發明專利申請(qǐng)的解決方案與對比文件(jiàn)1的區别在于通過Messy遺傳算法來(lái)實現多機(jī)器人(rén)路(lù)徑規劃。

在該解決方案中，采用Messy遺傳算法優化後得(de)到機(jī)器人(rén)的前進路(lù)徑，該解決方案的算法特征與技術(shù)特征在功能上相(xiàng)互支持、存在相(xiàng)互作(zuò)用關系，實現了對機(jī)器人(rén)前進路(lù)徑的優化。相(xiàng)對于對比文件(jiàn)1，确定發明實際解決的技術(shù)問(wèn)題爲：如(rú)何基于特定的算法使機(jī)器人(rén)以最優路(lù)徑前進。對比文件(jiàn)2已經公開了包括所述混沌遺傳算法在内的多種遺傳算法都(dōu)可(kě)被用來(lái)進行路(lù)徑優化，同時采用Messy遺傳算法可(kě)以解決其他(tā)算法的弊端，從(cóng)而獲得(de)更合理(lǐ)的優化結果。基于對比文件(jiàn)2給出的啓示，本領域技術(shù)人(rén)員(yuán)有動機(jī)将對比文件(jiàn)1與對比文件(jiàn)2結合得(de)到發明專利申請(qǐng)的技術(shù)方案。因此，要求保護的發明技術(shù)方案相(xiàng)對于對比文件(jiàn)1和對比文件(jiàn)2的結合是顯而易見(jiàn)的，不具備創造性。

駁回原因:本案是将某算法運用到機(jī)器人(rén)路(lù)徑規劃上，現有技術(shù)中有将該算法應用到路(lù)徑規劃上的技術(shù)，所以隻是将其平移到機(jī)器人(rén)上是沒有創造性的！

通過這兩個例子可(kě)以看(kàn)出，對于算法應用到某個領域的創造性問(wèn)題：如(rú)果是該算法首次應用到該領域，則該案授權概率極高；如(rú)果之前就(jiù)已經有過将該算法應用到該領域的現有技術(shù)，則該案駁回概率就(jiù)上升了。

通過上述分(fēn)析我們可(kě)以總結出如(rú)下結論：對于算法專利，一定要在權利要求裡(lǐ)帶具體(tǐ)應用場景，不能是純算法。并且，應用場景要避開錢和情感情緒（不在權利要求裡(lǐ)談錢，不在權利要求裡(lǐ)談感情）。對于算法應用的專利，盡早申請(qǐng)，因爲首次将算法應用到某個領域的申請(qǐng)容易獲得(de)授權，否則就(jiù)困難！