解决方案:审查指南征求意见 针对含算法特征或商业规则和方法特征的发明专利申请审查

　　解决方案:审查指南征求意见 针对含算法特征或商业规则和方法特征的发明专利申请审查

　　关于公开征求对专利审查指南第二部分第九章修正案草案（征求意见稿）征求意见的通知

　　）。

　　为全面贯彻落实党中央、国务院关于加强知识产权保护的一系列指示精神，响应创新主体需求，进一步明确涉及人工智能、区块链、业务规则和方法的新领域、新业态的专利审查规则， 国家知识产权局起草并形成了《专利审查指南第二编第九章修正案草案（征求意见稿）》（以下简称《征求意见稿》）。为征求社会各界意见，现将草案及其起草说明公布。有关单位和社会各界人士可在2019年12月11日前选择下列方式之一，对《征求意见稿》的修改完善提出具体意见：

　　1. 电子邮件： 2. 传真： 3. 信件： 考试

　　北京市海淀区西土城路6号国家知识产权局条款法律司政策处 邮编100088（请在信封左下角注明“审查指南”） 附件： 1. 预告“专利审查指南第九章修正案第二部分（征求意见稿） 2.关于这些的注意事项

　　草案

　　对《专利审查指南》第二部分第九章的修正

　　（征求意见稿）。

　　6. 关于对含有算法特征或者商业规则、方法特征的发明专利申请进行审查的规定

　　专利申请

　　涉及人工智能、互联网+、大数据、区块链等的发明，一般收录

算法或商业规则方法等智力活动的规则和方法特征，本节旨在根据《专利法》及其实施细则对此类申请进行审查的特殊性作出规定。

　　6.1 审查基准

　　审查应针对要求保护的解决方案进行，即受权利要求限制的解决方案。在审查中，不应简单地将技术特征与算法特征或商业规则与方法特征分开，而应将权利要求中记载的所有内容作为一个整体进行分析，分析所涉及的技术手段、解决的技术问题和取得的技术效果。6.1.1

　　根据专利法第25.1.2条进行审查

　　权利要求涉及抽象算法或者简单的商业规则和方法，且不收录

任何技术特征的，属于专利法第二十五条第一款第2款规定的智力活动规则和方法，不得申请专利。例如，基于抽象算法建立数学模型且不收录

任何技术特征的方法，属于专利法第25.1.2条规定的不应授予专利权的情形。再如基于用户消费额度的返利方式，该方法所收录

的特征均为与返利规则相关的商业规则和方法特征，不收录

任何技术特征，属于专利法第25条第1款第2项第2项规定的不应授予专利权的情形。

　　如果索赔除

　　算法特征或者商业规则和方法外，还含有技术特征，权利要求整体上不是智力活动的规则或者方法的，依照专利法第二十五条第一款第2项的规定，不排除取得专利权的可能性。

　　6.1.2 根据专利法第2.2条进行审查如果权利要求的整体不属于专利法第25条第1款第2项第

　　2项排除专利权取得的情形，则有必要审查其是否属于专利法第2条第2款所指的技术方案。

　　在检查收录

算法特征或业务规则和方法特征的权利要求是否为技术解决方案时，有必要将权利要求中描述的所有特征作为一个整体来考虑。如果权利要求记载了利用自然规律的技术手段用于要解决的技术问题，并由此获得符合自然规律的技术效果的，则权利要求的解决方案属于专利法第二条第二款所述的技术方案。例如，如果权利要求中算法涉及的步骤与要解决的技术问题密切相关，例如算法处理的数据是技术领域具有确切技术意义的数据，并且算法的执行可以直接反映利用自然规律解决技术问题的过程， 并且取得了技术效果，那么通常权利要求的解决方案属于专利法第2条第2款所述的技术方案。

　　6.1.3 新颖性和创造性的审查在审查含有算法特征或者商业规则和方法特征的

　　发明专利申请的新颖性时，应当考虑权利要求中记录的所有特征，包括技术特征和算法特征或者商业规则和方法特征。审查同时收录

技术特征和算法特征或者商业规则和方法特征的

　　发明专利申请时，应当将功能上相互支持并在技术特征方面相互作用的算法特征或者商业规则和方法特征作为一个整体来考虑。“功能上相互支持、相互作用”是指算法特征或业务规则、方法特征与技术特征紧密结合，共同构成解决技术问题的技术手段，并能获得相应的技术效果。

　　例如，如果权利要求中的算法应用于特定的技术领域，可以解决特定的技术问题，那么可以认为算法特征和技术特征是

　　功能上相互支持，具有交互关系，算法特征成为所采取技术手段的组成部分，在进行创造性审查时应考虑算法特征对方案的贡献。

　　再如，如果权利要求中商业规则和方法特征的实施需要对技术手段进行调整或者改进，可以认为业务规则和方法特征和技术特征在

　　功能上是相互支持和相互作用的，在进行创造性审查时应考虑所述业务规则和方法特征对程序的贡献。

　　6.2 复习示例

　　下面，根据上述审查标准给出收录

算法特征或业务规则和方法特征的发明专利申请的审查示例。

　　（一）含有专利法第二十五条第一款第2项范围内的算法特征或者商业规则、方法特征的发明专利申请，不属于专利保护标的。

　　[例1]。

　　一种构建数学模型的方法

　　应用程序内容概述

　　发明专利申请的解决方案是一种构建数学模型的方法，该方法通过增加训练样本的数量来提高模型的准确性。建模方法还使用与第一分类任务相关的其他分类任务的训练样本作为第一分类任务数学模型的训练样本，从而增加训练样本的数量，并利用训练样本的特征值，提取特征值、标签值等来训练相关的数学模型， 最后得到第一个分类任务的数学模型，由于训练样本数量少，过度拟合，建模精度差。

　　申请的权利要求

　　一种构建数学模型的方法，其特征在于它包括以下步骤：

　　根据第一个分类任务的训练样本中的特征值和特征

　　在训练样本中至少一秒的分类任务中，对初始特征提取模型进行训练，得到目标特征提取模型。 其中，所述第二分类任务为与所述第一分类任务相关的其他分类任务;

　　根据目标特征提取模型，特征值

　　分别处理第一分类任务的每个训练样本，得到每个训练样本对应的提取特征值;

　　将提取的每个训练样本对应的特征值和标签值组成，提取训练样本，训练初始分类模型得到目标分类模型;

　　目标分类模型

　　目标特征提取模型由第一分类任务的数学模型组成。

　　分析和结论

　　该解决方案不涉及任何特定的应用领域，其中训练样本的特征值、提取的特征值、标签值、目标分类模型和目标特征提取模型是抽象的一般数据，利用训练样本的相关数据训练数学模型的处理过程是一系列抽象的数学方法步骤， 最终结果也是一个抽象的通用分类数学模型。该方案是一种抽象模型建立方法，其处理对象、过程和结果不涉及与具体应用领域的结合，属于抽象数学方法的优化，整个方案不收录

任何技术特征，本发明专利申请的解决属于第25条规定的智力活动规则和方法， 专利法第1条第（2）项，不属于专利保护的客体。

　　（二）含有算法特征或者商业规则、方法特征的发明专利申请，利用技术手段解决技术问题，取得技术效果的，属于专利法第二条第二款规定的技术方案，属于专利保护客体。

　　[例2]。

　　一种卷积神经网络模型的训练方法

　　应用程序内容概述

　　本发明专利申请在各级卷积层上对训练图像进行卷积操作和最大池化操作，并对最大池化操作后获得的特征图像进一步执行水平池化操作，使得经过训练的CNN模型在识别图像类别时可以识别任何大小的图像。

　　申请的权利要求

　　一种用于卷积神经网络CNN模型的训练方法，其中该方法包括：

　　获取待训练的CNN模型，初始模型参数包括各卷积层的初始卷积核、各层级卷积层的初始偏置矩阵、全连接层的初始

　　权重矩阵和全连层的初始偏置向量;

　　获取多个训练图像;在各级卷积层

　　上，各级卷积层上的初始卷积核和初始偏置矩阵分别对每个训练图像

　　进行卷积运算和最大池化运算，得到每个训练图像在卷积层各层次上的第一个特征图像;

　　每个训练图像的第一个特征图像水平

　　池化至少一个卷积层，获得每个卷积层上每个训练图像的第二特征图像。

　　确定功能

　　根据每个训练图像在卷积层上各水平的第二特征图像的向量;

　　根据初始权重矩阵和初始偏差向量对每个特征向量进行处理，得到每个训练图像的类概率向量;根据每个训练图像的

　　类概率向量和每个训练图像的初始类别，计算类误差;

　　基于分类误差，调整待训练CNN模型的模型参数;

　　基于调整后的模型参数和多个训练图像，继续模型参数调整过程，直到迭代次数达到预设次数;

　　模型参数

　　当迭代次数达到预设次数时获得的作为训练好的CNN模型的模型参数。

　　分析和结论

　　该解决方案是卷积神经网络CNN模型的一种训练方法，阐明了模型训练方法每一步处理的数据都是图像数据以及每一步如何处理图像数据，说明神经网络训练算法与图像信息处理密切相关。该方案解决了如何克服CNN模型只能识别固定尺寸图像的技术难题，该方案采用不同卷积层对图像进行不同处理和训练的手段，利用遵循自然规律的技术手段，获得训练好的CNN模型可以识别任意大小图像的技术效果。因此，发明专利申请的解决方案属于专利法第二条第二款规定的技术解决方案，属于专利保护的客体。

　　[例3]。

　　共享单车的使用方式

　　应用程序内容概述

　　发明专利申请提出了一种共享单车的使用方法，通过获取用户终端设备的位置信息和一定距离内的共享单车状态信息，使用户根据共享单车的状态信息准确找到可以骑行的共享单车， 通过提示骑行和引导用户停车，方便了租赁自行车的使用和管理，节省了用户的时间，改善了用户体验。

　　申请的权利要求

　　共享单车的使用方法，包括以下步骤：

　　步骤1：用户通过终端设备向服务器发送使用共享单车的请求;

　　步骤二，服务器获取用户的第一位置信息，查找共享单车在一定距离范围内对应的第一位置信息，以及这些共享单车的状态信息，并发送第二位置信息和

　　共享单车的状态信息发送给终端设备，其中，第一位置信息和第二位置信息通过GPS信号获取;

　　

" />

　　第三步：根据终端设备上显示的共享单车位置信息，用户找到可以骑行的目标共享单车;

　　第四步：用户通过终端设备扫描目标共享单车车身上的二维码，通过服务器认证，获得目标共享单车使用权限;

　　第五步：服务器根据乘车情况向用户推送停车提示，如果用户将车停在指定区域，则以优惠资费计费，否则按标准资费计费;

　　步骤6，用户

　　根据提示选择，骑行结束后，用户执行共享单车的锁定动作，共享单车检测锁定状态并向服务器发送骑行完成的信号。

　　分析和结论该方案涉及共享单车的使用方法，解决共享单车

　　位置匹配、获得共享单车使用权的技术问题，程序实现对共享单车的控制和引导。用户使用共享单车

　　的行为通过在终端设备和服务器上执行计算机程序，体现对位置信息的控制、认证等数据的采集

和计算，利用遵循自然规律的技术手段实现共享单车位置的匹配，获得共享单车使用权等技术效果。因此，发明专利申请的解决方案属于专利法第二条第二款规定的技术解决方案，属于专利保护的客体。

　　[例4]。

　　一种区块链节点间通信方法及装置

　　应用程序内容概述

　　发明专利申请提出了一种区块链节点通信方法及装置，区块链中的业务节点可以根据通信请求中携带的CA证书和

　　在建立通信连接之前预先配置CA信任列表，从而降低业务节点泄露私有数据的可能性，提高存储在区块链中的数据的安全性。

　　申请的权利要求

　　1.一种区块链节点通信方法，即区块链区块链网络中的节点包括业务节点，

　　其中业务节点存储由CA证书颁发机构中心发送的证书，并预配置有CA信任列表，该方法包括：

　　第一个区块链节点收到通信请求由第二区块链节点

　　发送，其中通信请求携带第二区块链节点的第二证书;

　　确定与第二个证书对应的 CA ID;

　　确定第二个证书对应的 CA ID 是否在 CA 信任列表中;

　　如果是这样，则与第二个区块链节点建立通信连接;

　　否则，不会与第二个区块链节点建立通信连接。

　　分析和结论

　　问题在于

　　本申请要解决的是如何防止区块链业务节点泄露联盟链网络中的用户隐私数据，这是提高区块链数据安全性的技术难题;通过在通信请求中携带CA证书，并预先配置CA信任列表来确定是否建立连接，业务节点仅限于可以建立连接的对象，从而提高区块链中数据的安全性。因此，本申请中的区块链节点间通信方式实现了业务节点之间的安全通信，降低了业务节点泄露私有数据的可能性，属于专利法保护的对象。

　　（三）含有算法特征或者商业规则、方法特征的发明专利申请，不解决技术问题，或者不使用技术手段，或者未取得技术效果，不属于专利法第二条第二款规定的技术方案，因此不属于专利保护客体。

　　[例5]。

　　一种消费回扣的方法

　　应用程序内容概述

　　发明专利申请提出了一种消费返利的方法，通过计算机执行设定的返利规则，向消费的用户发放*敏*感*词*券，从而提高用户的消费意愿，为商家获取更多利润。

　　申请的权利要求

　　一种支出回扣方法，其特点是以下步骤：

　　当用户在商家购物时，商家会根据花费的金额返还一定数量的*敏*感*词*券，具体

　　商家使用计算机计算用户的消费金额，并且将用户的消费金额R划分为M区间，其中M为整数，范围1到范围M的值由小到大，

　　退回代金券的金额F也划分为M值，M值也从小到大排列;

　　根据计算机的计算值判断，当用户当前消费金额在范围1时，返利金额为第一值，当用户当前消费金额在范围2范围内时，返利金额为：

　　第二个值，依此类推，将相应范围的返利金额返回给用户。

　　分析和结论解决方案涉及计算机执行的消费返利

　　方法，它处理用户的消费数据，解决如何促进用户消费的问题，不构成技术问题，所使用的手段是通过计算机实现人为设定的返利规则，但计算机的限制只是

　　按照规定的规则根据用户的消费量来确定返利金额，不受自然规律的约束，所以不使用任何技术手段，程序的效果只是促进用户消费，而不是符合自然规律的技术效果。因此，发明专利申请不属于专利法第二条第二款规定的技术方案，不属于专利保护的客体。

　　[例6]。

　　一种基于电力消费特征的经济景气指数分析方法

　　应用程序内容概述

　　发明专利申请通过计算各种经济指标和电力消耗指标来评估待测试地区的经济景气指数。

　　申请的权利要求

　　一种基于区域电力消费特征的经济景气指数分析方法，其特征在于包括以下步骤：

　　根据待测地区的经济数据和用电量数据，选择经济初步指标

　　待测区域的景气指数，其中初步指标包括经济指标和用电量指标;

　　通过聚类分析方法和

　　时差相关分析方法，确定待检测区域的经济景气指数体系，包括领先指标、一致指标和滞后指标;

　　根据待测地区的经济景气指数体系

　　，采用综合指数计算方法得到待测地区的经济景气指数。

　　分析和结论

　　解决方案是一种经济景气指数分析计算方法，其处理对象是各种经济指标、电力指标、

　　问题解决的是判断经济趋势，不构成技术问题，所使用的手段都是根据经济数据和用电量数据来分析经济形势，只有按照经济规律进行经济管理手段，不受自然规律的约束，所以使用技术手段，方案最终可以得到经济景气指数来评价经济， 它不是符合自然规律的技术效果，因此解决方案不属于专利法第2条第2款规定的技术解决方案，不属于专利保护的客体。

　　（4） 在进行创造性审查时，应考虑算法特征或商业规则和方法特征对解决的贡献，这些特征在功能上相互支持并与技术特征相互作用。

　　[例7]。

　　一种基于多传感器信息的人形机器人坠落状态检测方法

　　应用程序内容概述

　　现有的人形机器人行走时坠落状态的判断主要使用姿态信息或ZMP点位置信息，但这种判断并不全面。发明专利申请提出了一种基于多个传感器的人形机器人坠落状态检测方法，该方法实时集成了机器人步态阶段信息、姿态信息和ZMP点位置信息，并利用模糊决策系统确定机器人当前的稳定性和可控性，从而为机器人的下一步动作提供参考。

　　申请的权利要求

　　一种基于多传感器信息的人形机器人跌落状态检测方法，其特点是以下步骤：

　　（1）融合姿态传感器信息、零扭矩点ZMP传感器信息和机器人行走阶段信息，建立分层传感器信息融合模型，实现人形机器人的稳定性确定;

　　（2）前后模糊决策系统及左右

　　分别采用模糊决策系统确定机器人在前后方向和左右方向的稳定性，具体步骤如下：

　　（1）根据机器人支撑脚与地面的接触和离线步态规划确定机器人行走阶段;

　　（2）采用模糊推理算法对ZMP点的位置信息进行模糊处理;

　　（3）采用模糊推理算法对机器人的俯仰角或滚动角进行模糊化;

　　（4）确定输出隶属函数;（5）按步骤（

　　1）~步骤（4）确定模糊推理规则;

　　（6）去模糊。

　　分析和结论

　　对比文件1公开了基于人形机器人传感器信息的步态规划和反馈控制，并根据

　　相关融合信息，包括根据多个传感器信息对人形机器人的稳定状态评估，即对比文件1公开了本发明专利申请解决方案中步骤（1）中的步骤（1），与比较文件1中采用步骤（2）特定算法的模糊决策方法进行了区分。

　　基于应用文档，该方案有效提高了机器人的稳态及其可能下落方向的可靠性和准确性。以姿态信息、ZMP点位置信息和行走阶段信息为输入参数，通过模糊算法输出确定人形机器人稳定状态的信息，为进一步准确的姿态调整指令提供了依据。因此，上述算法特征和技术特征在功能上相互支持并具有交互关系，并且相对于比较文件1，确定本发明实际解决的技术问题是：如何判断机器人的稳定状态并准确预测其可能的下降方向。上述模糊决策的实现算法及其对机器人稳态应用的判断在其他比较文献中未公开，也不是本领域的常识，现有技术整体上不存在使本领域技术人员改进比较文件1以获得要求保护的发明的灵感， 并且要求保护的发明相对于最接近的现有技术是非显而易见的和创造性的。

　　[例8]。

　　基于协同进化和多群体遗传算法的多机器人路径规划系统

　　应用程序内容概述现有的多移动机器人运动规划

　　控制结构通常采用集中规划方法，将多机器人系统视为具有多个自由度的复杂机器人，系统中的规划器统一完成所有机器人的运动规划，存在计算时间长、实用性差的缺点。发明专利申请提供了一种基于协同进化和多群体遗传算法的多机器人路径规划系统。机器人的每条路径都由一条染色体表示，以最短距离、平滑度和安全距离作为设计路径适应度函数的三个目标，利用Messy遗传算法优化每个机器人的最优路径。

　　

" />

　　申请的权利要求

　　基于协同进化和多群体遗传算法的多机器人路径规划系统，其特点是：（

　　1）机器人的路径由染色体表示，染色体以节点链表的形式表示，即[（x，y），time]，（x，y，time

　　∈R），（x，y）表示机器人的位置坐标，时间表示从前一个节点移动该节点所需的时间消耗，起始节点的时间等于0，除初始节点的初始位置和结束节点的目标位置外，每个机器人个体的染色体是固定的。中间节点和节点的数量都是可变的;（

　　2）每个机器人机器人（i）的路径路径（j）的适应度函数表示为φ（pi，j）：|| pi，j|| =Distance（pi，j）+ws×smooth（pi，j）

　　+wt×Time（pi，j）

　　这些 pi，j|| ||是距离、平滑度和时间消耗的线性组合，ws 是平滑度加权因子，wt 是时间加权因子;距离（pi，j）表示路径长度，smooth（pi，j）表示路径的平滑度，Time（pi，j）表示路径pi，j的时间消耗;每个机器人使用所描述的适应度函数，并通过Messy遗传算法优化最佳路径。

　　分析和结论

　　对比文件1公开了一种基于协同进化的多机器人路径规划方法，其中使用自适应混沌算法获得最优路径。发明专利申请的解决方案与对比文件1的区别在于通过Messy遗传算法实现多机器人路径规划。

　　在该解决方案中，利用适应度函数约束Messy遗传算法，通过遗传算法优化后得到机器人的前向路径，算法特征和

　　该解决方案的技术特点相互支持，在功能上相互交互，从而实现机器人前进路径的优化。与对比文献1相比，确定本发明实际解决的技术问题是：如何使机器人基于特定算法在最优路径上前进。对比文件2揭示了包括混沌算法在内的多种遗传算法可用于路径优化，使用Messy遗传算法可以解决其他算法的缺点，获得更合理的优化结果。基于对比文件2给出的启示，本领域技术人员有动机将比较文件1和比较文件2结合起来，得到发明专利申请的技术方案。因此，要求保护的发明相对于比较文件1和比较2的组合是显而易见的，并且不具有创造性。

　　[例9]。

　　一种物流配送方法

　　应用程序内容概述

　　在货物配送过程中，

　　如何有效提高商品配送效率，降低配送成本，是发明专利申请所要解决的问题。物流人员到达配送地点后，可以通知特定配送区域内的多个订货用户以服务器推送消息的形式同时提货到订货用户终端，从而提高配送效率，降低配送成本。

　　申请的权利要求

　　一种通过分批通知用户取货来提高物流配送效率的物流配送方法，该方法包括：

　　当调度员

　　需要通知用户取货的，调度员通过手持物流终端向服务器发送货物已到达的通知;

　　服务器分批通知调度员交货范围内的所有订单;

　　收到通知的订购用户根据通知信息完成取件;

　　其中，用于批量通知的服务器的具体实现方式是，服务器根据配送操作员ID确定配送距离范围内的所有目标订单信息，并以物流终端的当前位置、物流终端的当前位置和到达时携带的相应配送范围为中心。

　　由物流终端发送通知，然后将通知信息推送到订单用户终端中所有目标订单信息中对应的订单用户账户。

　　分析和结论

　　比对文件1公开了一种物流配送方法，其中物流终端扫描配送单上的条形码，并将扫描到的信息发送到服务器，通知服务器货物已经到达;服务器获取扫描信息中的排序用户信息，并向排序用户发送通知;收到通知的订购用户根据通知信息完成取件。

　　两者之间的区别

　　本发明专利申请与对比文件1的解决方案是，批量通知用户订单的到来，为了实现批量通知，方案中服务器、物流终端和用户终端之间的物理架构和数据通信都进行了相应的调整，因此取件通知规则和具体的批量通知实现方法在功能上相互支持，具有交互关系。与比较文档1相比，确定本发明实际解决的技术问题是如何提高订单到达通知的效率，从而提高货物配送的效率。从用户的角度来看，用户可以更快地获得有关订单到达的信息，这也改善了用户体验。由于现有技术不具备对上述比较文献1的技术启发进行改进，以获得用于发明专利申请的解决方案，该解决方案具有创造性。

　　[例10]。

　　动态视角演变的视觉方法

　　应用程序内容概述近年来，人们

　　越来越多地通过社交平台表达自己的观点和想法，人们在社交平台上发布的情感内容反映了人们观点的演变，可以看到事件的发展、变化和趋势。该发明专利申请通过自动采集

人们在社交平台上发布的信息并分析其中的情绪，通过计算机绘制情绪可视化地图，帮助人们更好地了解不同时期的情绪强度和随时间演变的趋势。

　　申请的权利要求

　　一种可视化动态视图演变的方法，该方法包括：

　　步骤1）情感隶属程度和情感分类信息

　　在采集

的信息采集

中由计算设备确定，信息的情感隶属程度表示信息属于某种情感分类的概率;

　　步骤2）情绪分类为正面、中性或负面，具体分类方法是：如果点赞数p除以踩在值r上的点数大于阈值a，则认为情绪分类为正，如果值r小于阈值b，则情感分类为

　　如果值 b ≤r ≤a，则情绪分类为中性，其中 a >b;

　　步骤3）基于信息的情绪分类，

　　自动建立信息集合的情感可视化图形的几何布局，横轴表示信息生成时间，纵轴表示属于每个情感分类的信息数量;

　　步骤4）计算设备根据信息的情感隶属关系对已建立的几何布局进行着色，并根据信息颜色的梯度顺序对各情感分类层上的信息进行着色。

　　分析和结论

　　比较文件1公开了一种基于情感的可视化分析方法，其中时间表示为横轴，不同时间的每个色带的宽度代表当时的情感度量，不同的色带代表不同的情绪。

　　这

　　本发明专利申请的解决方案与比较文件1的不同之处在于步骤2中设置的情绪的具体分类规则）。从应用内容可以看出，即使情感分类规则不同，对应数据着色的技术手段也可以不变，即上述情感分类规则和具体的可视化方法在功能上并不相互支持和交互。与对比文献1相比，发明专利申请仅提出了情绪分类的新规则，并未实际解决任何技术问题，对现有技术没有做出技术贡献。因此，要求保护的发明不具有相对于比较文件1的创造性步骤。

　　6.3 描述和权利要求的准备

　　6.3.1 说明书的准备

　　含有算法特征或者业务规则、方法特征的发明专利申请说明书，应当清楚、完整地说明发明为解决其技术问题而采用的解决方案。在技术特征的基础上，解决方案还可以包括算法特征或业务规则和方法特征，它们在功能上相互支持并与技术特征交互。

　　规范应明确技术特性与功能支持和交互的算法特征或业务规则与方法特性如何相互作用并产生有益效果。例如，在收录

算法特征时，抽象算法应与特定的技术领域相结合，至少一个参数的定义应与技术领域的特定数据相关联;当包括业务规则和方法的特点时，应详细描述和解释解决技术问题的整个过程，以便技术领域的技术人员能够按照描述中描述的内容实现本发明的解决。

　　说明书应清楚客观地陈述本发明与现有技术相比的有益效果，如质量、准确性或效率的提高，系统内部性能的改进等。如果从用户的角度，客观上改善用户体验，也可以在说明书中解释，在这种情况下，还应该说明构成本发明的技术特征，以及在其功能中相互支持并相互作用的算法特征或业务规则和方法特征如何带来或产生用户体验的改善。

　　6.3.2 索赔的准备

　　这

　　权利要求书中含有算法特征或者商业规则、方法特征的发明专利申请，应当以说明书为依据，简明扼要地界定所要求保护的专利保护范围。权利要求应当记录功能上相互支持并与技术特征相互作用的技术特征和算法特征或者业务规则和方法特征。

　　附件2：

　　关于《专利审查指南》第二部分第九章

　　修订草案说明（征求意见稿）

　　）。

　　一、修改后台和主进程

　　随着互联网技术和信息技术的不断发展，涉及新技术、新领域、新业态的发明创造不断涌现。因此，为全面贯彻落实党中央、国务院关于加强知识产权保护的一系列指示精神，响应创新主体进一步明确涉及人工智能等新技术、新领域的专利申请审查规则的需要，支持创新驱动发展宗旨， 国家知识产权局已启动《专利审查指南》的相关修订工作。

　　涉及新技术的发明专利申请，例如

　　人工智能和新领域、新业态与其他发明专利申请明显不同，其特点是，在发明解决方案中，除技术外，一般还收录

算法或商业方法等智力活动规则和方法的特征。修订后的《指南》明确了此类申请的审查规则，并通过典型案例进行了解释。一方面，将审查实践中探索的有益做法提升为《专利审查指南》，有助于统一审查标准，同时为如何更好地撰写此类申请、促进申请质量的提高提供指导。另一方面，明确规定此类应用的特点应与算法或商业方法等智力活动规则的技术特征和特征相结合，正确把握发明的技术贡献，从而提高审查的质量和效率，促进新兴技术和新业态、新模式的进一步发展和成长。应当指出的是，修正案的指导思想是在现行《专利法》和《实施细则》的框架内及时响应实际需求和及时解决实际问题，同时尽可能与现行指南第9章的框架结构保持一致，以便于审查员和公众的理解。

　　在充分调查社会需求和一线审查员具体工作实践的基础上，国家知识产权局制定了《专利审查指南》第二部分第九章修正草案（

　　初稿）于2019年9月中旬，征求局内有关部门意见，并专门召开创新主体和代理人咨询会，听取各方意见，经完善后形成《专利审查指南第二编第九章修正草案（征求意见稿）》及其说明。

　　2. 主要修订

　　这

　　《修订草案》在第二部分第九章中专门增加了第六节，根据具体情况，明确了此类申请的授权、新颖性和创造性、权利要求和说明书的起草。主要变化如下：

　　（1）强调专利审查中的技术特征和算法特征、商业规则和方法特征不应简单分开各复审

　　条款的一般原则在第6.1节“复审标准”一节中确立：“在审查中，不应将技术特征与算法或商业规则与方法特征分开，而应将权利要求中记录的所有内容作为一个整体进行分析，分析所涉及的技术手段、解决的技术问题和产生的技术效果。"

　　（2） 明确根据专利法第二十五条的规定，不排除技术特征的纳入如果权利要求

　　除算法特征或者商业规则和方法外还收录

技术特征，则权利要求整体上不是智力活动的规则和方法，不应根据专利法第二十五条第一款第2项的规定排除获得专利权的可能性。

　　（3） 明确专利法第二条的审查标准

　　对于判决

　　对于是否为技术方案，审查标准在《指南》总章技术问题、技术手段和技术效果“三要素”的判断方法下进一步细化。只要该算法能结合特定的技术应用领域解决一定的技术问题，就可以通过专利第2条的审查。

　　（4）考虑算法特征与业务规则和方法特征在技术特征方面相互作用、功能上相互支持对创造力的技术贡献审查同时收录

技术特征和算法特征或者商业规则和方法

　　的发明专利申请时，应当将功能上相互支持并与技术特征相互作用的算法特征或者商业规则和方法作为一个整体来考虑。修正案草案进一步解释了其含义。

　　（5）从正面和负面两个方面增加了10个关于授权主题和创造性的审查案例

　　实施例1为抽象模型构建方法，不涉及与具体应用领域的组合，不收录

技术特征，属于专利法第25.1.2条规定的智力活动规则和方法。示例 2、3 和 4 属于人工智能、商业模式和区块链领域的授权对象，而示例 5 和 6 是反面示例。例7和例9是创造性是由于将技术特征的功能支持和相互作用作为一个整体考虑而引起的情况，以及由于相应的内容已在比较文件中公开而使技术特征不具有创造性的情况。

　　（六）细化说明书和权利要求书的起草要求

　　进一步细化了编写手册的要求，例如提及算法如何与特定技术领域相结合，并指定用户体验效果。权利要求书的起草强调，权利要求应当记录技术特征与功能上相互支持、与技术特征相互作用的算法或者业务规则和方法。

　　小技巧:京东关键词链接在哪复制？关键词优化技巧

　　大家应该都知道，京东的每一个商品都有一个链接，就是为了方便消费者找到我们的商品。作为消费者，如果看到满意的商品，可以复制链接分享出去。

　　1. 关键词 链接复制到哪里了？

　　1、打开手机【京东】APP，在商城中找到您想要的商品，点击商品页面；

　　

" />

　　2. 产品页面右上角有分享图标，点击分享图标。点击后，在屏幕下方弹出的选项中点击【复制链接】。复制完成后，屏幕上会短暂提示【复制成功】！

　　2. 关键词 优化技术

　　1、对于京东关键词的选择，作为商家，这个时候需要多关注与商品相关度高的流量词和热词，一网打尽。选词一般有三种方法，一是通过京东搜索引擎选择合适的关键词，二是从京东商智的行业关键词中选择，最后一种是选择对 关键词 通过 Express 的产品推送词。所以在关键词的区域，采集

的越多，组合的可能性就越多，所以关键词的采集

千万不能马虎。

　　

" />

　　2.完成关键词的采集后，下一步就是对采集到的关键词进行筛选。筛选所有采集

的关键词，然后选择与您的产品最相关、流量大、引流效果好的关键词。

　　3.标题越多越好。至少在京东，标题越短，得分越高。所以在组合关键词的时候，一定要多注意标题的长度。此外，还需要注意关键词之间的距离，以及关键词的顺序，这些都会影响题目的得分。一般来说，关键词的组合多为品牌词+热搜词/流量词+产品名称+产品卖点+规格+关键词。

　　在京东，一件商品能获得多少流量，与商家的推广方式有关。同时，如果为产品设置链接，方便消费者分享我们的产品，也有助于增加产品流量。