关于算法可专利性的思考

摘 要：本文主要介绍了算法的概念以及我国关于算法的相关规定以及审查标准介绍，同时通过典型案例的剖析，探讨判断算法是否属于专利保护客体的方法，而随着技术的不断发展，领域的不断变化，在判断时还需要结合具体的案例进行实际分析给出客观判断结果。

关键词：算法 可专利性 客体

中图分类号：TP39 文献标识码：A 文章编号：1003-9082（2019）09-000-01

引言

算法（Algorithm，或称逻辑算法）是指解题方法的精确描述，是对被组织在一定数据结构中的数据进行的一串处理和操作，以解决一定问题的方法和过程[1]。”然而，什么样的算法是属于专利保护的客体，怎么具体判断算法是否满足专利性的标准，这些问题值得我们探讨。

专利法第二条第二款规定：“发明，是指对产品、方法或者其改进所提出的技术方案”，专利法第二十五条第一款规定：对下列各项，不授予专利权，其中第二项为智力活动的规则和方法;智力活动的规定和方法是指导人们进行思维、表达、判断和记忆的规则和方法，由于其没有采用技术手段或者利用自然规律，也未解决技术问题和产生技术效果，因而不构成技术方案，它即不符合专利法第二条第二款的规定，又属于专利法第二十五条第一款第（二）项规定的情形[2]。

一、我国涉及算法的专利申请的审查思考

要排除算法独占性，数学算法或原理本身属于科学研究中的基础理论，一方面，由于这些基础理论是所有应用学科的研究基础，如果对其进行专利保护，则将使得专利权人获得某种基础原理的独占权，从而对所有需要采用该基础原理的应用学科的技术创新与发展带来不利影响。另一方面，任何国家或地区的专利法，都会对可专利的对象进行限定，这些限定无一例外的都排除了对抽象概念或智力活动规则进行授权。而数学算法与原理本身是一种典型的人类智力活动的规则和方法的延伸，也是一种抽象的概念和理论，因而，在主要国家和地区的专利审查中都对这类申请不给予专利保护。

在进行技术方案的判断时，要将技术的三要素作为一个整体来进行对待，即基于该算法的解决方案采用了何种技术手段，解决该技术领域的何种技术问题，获得了那些相应的技术效果，专利法意义上的技术手段是通过技术特征来体现的，只有能够解决技术问题并获得技术效果的手段，才能构成技术手段，技术问题和技术效果是相互对应的，方案能够解决技术问题， 必然会带来相应的技术效果;应当避免割裂三要素关系、孤立地从某一个要素来进行判断，应该结合权利要求记载的方案从整體上进行考量，从方案整体上去理解发明，判断方案中提及的各手段是否使方案解决了技术问题，并在实现方案的过程中是否产生了技术效果。

二、案例分析

下面结合几个实际案例来分析涉及算法的发明。

案例一、申请号：CN201410767787.4

权利要求1保护一种基于KNN的置信回归算法，其中限定了五个步骤，包括确定样本集，在未知回归样本集中选出未知样本，计算出xp与已知回归样本集中每个样本之间的欧式距离，在已知样本集中查询出与xp的欧式距离最近的K个样本，回归模型预测未知样本xp的回归值。

分析：

本申请涉及到一种机器学习领域，其中KNN即为邻近算法，或者说K最近邻分类算法（KNN，k-NearestNeighbor）是数据挖掘分类技术中最简单的方法之一，KNN算法不仅可以用于分类，还可以用于回归，也即该算法并没有给出具体的应用领域，同时权利要求中通过确定样本集，选出未知样本，计算出未知样本xp与已知回归样本集中每个样本之间的欧式距离DE，然后在已知样本集中查询出与未知样本xp的欧式距离最近的K个样本，回归模型预测未知样本xp的回归值等手段，其要解决的问题是置信回归不准确的问题，然而，该解决方案所要实现的提高置信回归准确性的效果，是通过KNN的回归算法直接得到的，其本质上是对机器学习涉及到的KNN算法本身进行优化和改进，从而达到提高置信回归准确性的效果，是数学运算方面的问题，并非是技术问题和技术效果，采用的上述步骤均属于算法本身的运算步骤。

该方案没有提及该算法能够用于解决何种实际的技术问题，没有限定算法参数在技术问题中所体现的物理含义，即没有形成具有技术意义的技术方案，以及也没有体现出运用该算法后能够带为解决技术问题带来何种技术效果，因而权利要求要保护的对象仅仅是一种数学运算方法，属于人为制定和调整的算法规则。

案例二、

申请号：CN201510012972.7

权利要求1保护一种基于RBF神经网络M-RAN算法的数控慢走丝线切割机床热误差建模方法，其中流程限定了单输入RAN网络结构，以及M-RAN算法，另外对这两个步骤下的具体流程进行了详细限定。

分析：

本申请涉及到一种基于RBF神经网络M-RAN算法的数控慢走丝线切割机床热误差建模方法，另外申请在主题名称中记载了将RBF神经网络M-RAN算法用于数控慢走丝线切割机床热误差测量，其限定部分的内容中各个计算步骤和参数对数控慢走丝线切割机床热误差没有任何关联，即其仅在主体名称中给出了具体的应用领域即机床误差建模领域，因此除了主体名称之外，该权利要求的特征部分均是利用RBF神经网络结合M-RAN算法进行建模，其在建模的过程中并未将上述方法应用于具体的领域。

另外建模所使用的RBF神经网络的输入输出并未限定具体技术领域的具体物理参数，并且RBF神经网络和M-RAN算法中涉及的参数并未应用于具体的领域，不具有相应的物理含义，其本质上是对RBF神经网络M-RAN算法本身进行优化和改进，其是涉及到数学运算方面的问题，因此，其在建模过程中并没有涉及到解决相应的技术问题，同时也不存在对应的技术效果。

因此，综合考虑，其内容仅仅涉及算法，而不是一种利用技术手段或自然规律的技术方案。因此，从整体考虑的原则出发，不能仅从主体名称来判断，同时要考虑方案中如何具体体现算法应用于该领域以解决该领域的技术问题。

案例三、

申请号：CN201410323290.3

权利要求1保护一种基于欧几里得范数意义下的最佳最小二乘解分析抛物面天线反射面精度的方法，其中包含了八个步骤：对抛物面天线反射面精度进行测量，得到反射面的形状数据，确定拟合方程，将测量值代入写成矩阵的拟合方程中，定义系数矩阵和z向量，求系数矩阵A的Moore-Penrose广义逆，求方程参数，得到参数β后代入下式即得到抛物面的焦距f值，计算均方根RMS值，另外对这八个步骤下的具体流程进行了详细限定。

分析：

本申请中涉及一种基于欧几里得范数意义下的最佳最小二乘解分析抛物面天线反射面精度的方法，由于反射面的机械精度是结构设计的核心，直接影响天线的电气性能，因此对于如何分析抛物面天线的核心构件-反射面的精度显得至关重要。本申请中通过涉及对抛物面天线反射面精度進行测量，得到反射面的形状数据，接着利用相关数据进行拟合的求解，并最终计算得到均方根RMS值，该过程整体涉及到抛物面天线反射面精度分析的问题，因此，本申请采用如上的技术手段可以解决抛物面天线反射面精度分析的技术问题，并且可以达到计算简单，快速，同时精度高的技术效果。

从技术方案的整体来考虑，本申请涉及到在反射面的精度分析领域，通过将反射面的相关参数代入、拟合并求解等技术手段，解决了抛物面天线反射面精度分析的技术问题，并且可以达到计算简单，快速，同时精度高的技术效果。因此，综合考虑，本申请属于被保护的客体的范畴，至于是否满足授权的其他条件，还需要进一步认真分析探讨。

三、总结

在具体审查时，要保持整体考虑的原则，既要考虑该方案是否应用的具体领域[3]，同时还要将技术三要素：技术手段，技术问题，技术效果进行综合考虑。在判断时还需要结合具体的案例进行实际分析给出客观判断结果。对于涉及算法的专利申请，并不代表都不能被授予专利权，若想满足保护客体的要求，要将算法涉及到的领域，算法采用了何种技术手段，相应的解决了何种技术问题，并能达到对应的何种技术效果撰写清楚。

参考文献

[1]中国计算机学会.英汉计算机辞典[M].北京：人民邮电出版社，1984.

[2]中华人民共和国国家知识产权局.专利审查指南2010[M].北京：知识产权出版社，2010，119-124.

[3]洪岩.浅析如何理解算法与具体应用领域的结合[J].专利代理，2016（2）：40-44.

作者简介：齐蓓蓓（1986.2—），女，山东人，审查员，中级职称，硕士，主要从事研究的领域：主要审查基于计算机辅助设计以及界面交互技术等领域。