2025年算法专利申请实务习题(含答案与解析)

2025年算法专利申请实务习题(含答案与解析)一、案例分析题（20分）甲公司于2024年8月1日提交了一件名为“基于多模态数据融合的工业设备故障预测方法及系统”的发明专利申请（申请号：20241075XXXX），说明书及权利要求书内容如下：说明书摘要：本发明公开了一种工业设备故障预测方法，通过采集设备运行时的传感器数据（温度、振动频率）、操作日志文本数据（操作时间、参数调整记录）及设备外观图像数据，将三类数据分别进行归一化处理后，输入预训练的多模态特征提取模型，得到各模态特征向量；再通过注意力机制融合特征向量，输入LSTM神经网络进行时序特征学习，最终输出未来24小时内设备发生故障的概率值。实验表明，本方法较单一模态预测准确率提升18%。权利要求1：一种工业设备故障预测方法，包括以下步骤：（1）采集设备运行的传感器数据、操作日志文本数据、设备外观图像数据；（2）对三类数据分别进行归一化处理；（3）将归一化后的数据输入多模态特征提取模型，得到各模态特征向量；（4）通过注意力机制融合特征向量，得到融合特征；（5）将融合特征输入LSTM神经网络，输出故障概率值。权利要求2：根据权利要求1所述的方法，其特征在于，所述多模态特征提取模型为ResNet-50与BERT的组合模型。权利要求3：根据权利要求1所述的方法，其特征在于，所述归一化处理采用Min-Max归一化算法。国家知识产权局于2025年3月1日发出第一次审查意见通知书（以下简称“一通”），主要意见如下：1.权利要求1-3不具备专利法第2条第2款规定的可专利性，属于智力活动的规则和方法。理由：权利要求1的步骤（1）-（5）本质是对数据的采集、处理及通过神经网络进行预测的过程，未解决具体的技术问题，未采用技术手段，也未获得技术效果，属于抽象的算法规则。2.权利要求2、3的附加技术特征仅限定了模型类型和归一化算法，未对整体技术方案产生技术改进，无法克服权利要求1的缺陷。请结合2025年最新专利审查实践及相关法律规定，分析审查意见是否成立，并说明甲公司应如何修改权利要求书以克服缺陷（需给出具体修改方案及理由）。答案与解析一、审查意见是否成立的分析根据《专利法》第2条第2款，发明是指对产品、方法或者其改进所提出的新的技术方案，技术方案是指对要解决的技术问题所采取的利用了自然规律的技术手段的集合，技术手段通常是由技术特征来体现的。对于涉及算法的专利申请，审查实践中需重点判断其是否解决了具体的技术问题，是否利用了自然规律（如数据处理中的数学规律、神经网络的学习规律等），以及是否产生了技术效果（如提高设备运行可靠性、降低故障损失等）。本案中，审查意见认为权利要求1-3属于智力活动的规则和方法，这一结论不成立，具体分析如下：1.权利要求1解决了具体的技术问题：说明书明确指出，本方法用于工业设备的故障预测，解决了现有单一模态数据预测准确率低（如仅用传感器数据无法捕捉操作日志中的人为误操作线索、仅用图像数据无法反映设备内部运行状态）的技术问题，属于工业设备维护领域的具体技术问题。2.采用了技术手段：步骤（1）采集的是工业设备运行过程中实际产生的技术数据（传感器数据、操作日志、图像数据），属于对设备运行状态的技术采集；步骤（2）-（5）通过归一化处理、多模态特征提取、注意力机制融合及LSTM时序学习等技术手段，对这些技术数据进行处理，本质是利用了数据处理的数学规律及神经网络的学习规律（属于自然规律），属于技术手段的集合。3.产生了技术效果：说明书实验数据表明，较单一模态预测准确率提升18%，直接提高了工业设备故障预测的准确性，从而帮助企业提前采取维护措施，减少设备停机时间和经济损失，属于技术效果。因此，权利要求1-3属于专利法保护的技术方案，审查意见第1点理由不成立。二、甲公司的修改策略及具体方案尽管审查意见的法律适用存在偏差，但为避免后续程序中的争议，甲公司可结合说明书内容，对权利要求进行进一步限定，明确技术问题、技术手段与技术效果的关联性，强化技术方案的“技术性”。具体修改建议如下：修改后的权利要求1：一种工业设备故障预测方法，应用于工业设备的维护系统，其特征在于，包括以下步骤：（1）通过部署于工业设备的温度传感器、振动传感器采集设备运行时的温度数据、振动频率数据；通过设备操作终端采集包含操作时间、参数调整记录的操作日志文本数据；通过安装于设备附近的工业相机采集设备外观图像数据；（2）对温度数据、振动频率数据分别采用Min-Max归一化算法进行处理，消除量纲影响；对操作日志文本数据采用词嵌入算法转换为数值向量后进行归一化；对设备外观图像数据采用像素值归一化算法处理至[0,1]区间；（3）将归一化后的温度振动数据输入ResNet-50模型提取时序特征，得到第一特征向量；将归一化后的操作日志文本数据输入BERT模型提取语义特征，得到第二特征向量；将归一化后的设备外观图像数据输入ResNet-50模型提取视觉特征，得到第三特征向量；（4）通过注意力机制对第一、第二、第三特征向量进行加权融合，得到融合特征向量，其中注意力权重根据各模态数据对历史故障案例的贡献度动态调整；（5）将融合特征向量输入LSTM神经网络进行时序特征学习，输出未来24小时内设备发生故障的概率值；所述概率值用于触发维护系统的预警提示，当概率值超过90%时，自动提供设备维护工单。修改理由：1.明确技术应用场景：在权利要求开头增加“应用于工业设备的维护系统”，并在步骤（1）中限定数据采集的具体技术手段（温度传感器、振动传感器、工业相机等），体现方案与具体工业设备的结合，而非抽象的数据处理方法。2.细化技术手段的具体实现：步骤（2）中区分不同数据类型的归一化方法（如温度振动数据的Min-Max归一化、文本数据的词嵌入+归一化、图像数据的像素值归一化），避免功能性限定过于笼统；步骤（3）明确多模态特征提取模型的具体应用（ResNet-50用于时序和视觉特征、BERT用于语义特征），体现技术手段的具体性。3.强化技术效果的关联性：步骤（5）增加“概率值用于触发维护系统的预警提示，自动提供维护工单”，明确预测结果的技术应用（控制维护系统执行具体操作），直接体现技术方案对工业设备维护的技术改进。通过上述修改，权利要求1的技术方案与具体工业设备维护场景深度结合，技术手段具体且利用了传感器、工业相机等硬件的技术特性，技术效果直接作用于设备维护的技术过程，能够更清晰地证明其属于专利法保护的技术方案，从而克服审查意见中的可专利性质疑。二、简答题（15分）简述2025年算法专利申请中“技术效果”的认定标准，并举例说明。答案与解析2025年专利审查实践中，算法专利申请的“技术效果”认定需满足以下标准：1.技术性：效果必须与技术领域相关，体现对自然规律的利用或对技术问题的解决。例如，提高图像识别准确率（涉及计算机视觉技术）、降低工业设备能耗（涉及工业控制技术）等，均属于技术性效果；而单纯提高计算效率（如优化算法运行速度）若未与具体技术问题结合，则可能被认定为非技术性效果。2.直接性：效果需由技术方案直接产生，而非推测或间接关联。例如，基于传感器数据的设备故障预测算法，其“预测准确率提升”的效果需通过实验数据直接证明（如说明书中记载“在100台设备上测试，准确率从75%提升至93%”），而非仅陈述“可能有助于维护”。3.显著性：效果需具有技术上的进步，区别于现有技术的常规效果。例如，若现有技术采用单一模态数据预测设备故障，本申请采用多模态数据融合后准确率提升18%（如案例分析题中的场景），则属于显著性技术效果；若仅提升2%-3%，可能被认为是常规改进。举例：某申请涉及“基于迁移学习的医学影像病灶检测方法”，其技术方案为：将公开的胸部CT影像数据集预训练的ResNet模型迁移至特定医院的乳腺钼靶影像数据集，通过微调模型参数，使乳腺病灶检测的召回率从82%提升至95%。该方案的技术效果满足认定标准：（1）“病灶检测召回率提升”属于医学影像处理领域的技术性效果；（2）通过具体实验数据（82%→95%）直接证明；（3）13%的提升幅度显著优于现有技术的常规改进（通常认为5%以上为显著）。三、论述题（25分）结合2025年《专利审查指南》修订要点，论述算法专利权利要求书中“功能性限定”的撰写策略及注意事项。答案与解析2025年《专利审查指南》针对算法专利的审查进行了细化，其中对“功能性限定”的规定主要体现在：功能性特征是指权利要求中对技术特征的描述未直接限定其结构、组分、步骤等，而是采用“用于实现某种功能”或“能够达到某种效果”的方式进行限定。对于算法专利，由于其核心创新常体现在数据处理逻辑而非硬件结构，功能性限定的合理使用是撰写权利要求的关键，但需注意以下策略及事项：一、撰写策略1.必要性原则：仅在无法通过结构、步骤等具体特征限定技术方案时使用功能性限定。例如，若算法的创新点在于“根据输入数据的复杂度动态选择不同的特征提取模块”，而具体模块类型（如CNN或Transformer）非创新点，则可采用“用于根据输入数据复杂度选择特征提取模块的动态选择单元”的功能性限定。2.结合具体实现：功能性限定需在说明书中充分公开实现该功能的具体实施方式（至少一种），并在权利要求中适当引用。例如，权利要求可写为“数据融合单元，用于将多模态特征向量融合为统一特征向量，所述数据融合单元采用注意力机制或门控机制实现”，其中“注意力机制或门控机制”是说明书中公开的具体实现方式，避免功能性限定过于笼统。3.限定功能的技术属性：功能性限定的“功能”需明确为技术功能，而非抽象功能。例如，“用于提高图像清晰度的处理模块”是技术功能（涉及图像处理技术）；而“用于使界面更美观的显示模块”是非技术功能（涉及用户体验，属于抽象效果）。二、注意事项1.避免“纯软件”功能性限定：若权利要求中的功能性限定仅涉及软件算法（如“用于执行X算法的模块”），且未与硬件或具体技术场景结合，可能被认定为“智力活动的规则和方法”。例如，权利要求“一种数据处理方法，包括用于执行快速傅里叶变换的步骤”可能被驳回；而“一种地震波数据处理方法，应用于地震勘探设备，包括通过快速傅里叶变换对传感器采集的地震波数据进行频域分析的步骤”则因与地震勘探技术场景结合，更可能被接受。2.公开充分性：说明书需详细描述实现功能性特征的具体方式（如算法流程、参数设置、实验验证数据），否则可能因“公开不充分”被驳回（专利法第26条第3款）。例如，若权利要求限定“自适应学习模块，用于根据训练误差自动调整学习率”，说明书需至少公开一种自适应调整策略（如Adam优化器的学习率调整公式）及实验数据（如使用该模块后模型收敛速度提升30%）。3.创造性判断的影响：功能性限定的特征在创造性判断中可能被视为“等同替代”，若现有技术存在实现相同功能的其他方式，则可能被认定为不具备创造性。因此，撰写时应尽量结合特定技术效果限定功能（如“用于在噪声环境下提高语音识别准确率的特征提取模块”），而非仅限定功能本身，以突出创新点与现有技术的区别。四、实务操作题（40分）乙公司提交了一件“基于用户行为的个性化推荐方法”的专利申请，说明书中记载了以下技术内容：现有技术问题：传统推荐算法仅基于用户历史点击数据，未考虑用户当前上下文（如时间、地理位置、设备类型），导致推荐准确率低。本发明方案：采集用户历史点击数据（包括商品ID、点击时间）、当前上下文数据（当前时间、GPS位置、设备型号）；将历史点击数据编码为用户兴趣向量（采用Word2Vec算法），将当前上下文数据编码为上下文向量（采用独热编码）；通过全连接层将两个向量拼接后输入LightGBM模型，输出商品推荐列表；实验显示，推荐准确率较现有技术提升22%。说明书实施例：提供了具体的Word2Vec参数（窗口大小=5，词向量维度=128）、独热编码的处理步骤、LightGBM的超参数（学习率=0.05，树的深度=6）及在电商平台A的测试数据（10万用户，准确率从68%提升至85%）。乙公司原权利要求1：一种个性化推荐方法，包括以下步骤：（1）采集用户历史点击数据和当前上下文数据；（2）将历史点击数据编码为用户兴趣向量，将当前上下文数据编码为上下文向量；（3）拼接两个向量后输入机器学习模型，输出商品推荐列表。任务：根据说明书内容，撰写符合2025年审查要求的权利要求书（需包括至少3项权利要求，其中权利要求1为独立权利要求，从属权利要求应进一步限定技术细节），并说明每一项权利要求的撰写理由。答案与解析修改后的权利要求书权利要求1：一种基于用户行为的个性化推荐方法，应用于电商平台的推荐系统，其特征在于，包括以下步骤：（1）采集用户的历史点击数据，所述历史点击数据包括商品ID和对应的点击时间戳；采集用户的当前上下文数据，所述当前上下文数据包括当前时间、GPS地理位置信息和设备型号；（2）将历史点击数据输入Word2Vec模型进行编码，其中Word2Vec模型的窗口大小设置为5，词向量维度设置为128，得到用户兴趣向量；将当前上下文数据中的当前时间转换为小时级时间槽（0-23）、GPS地理位置信息转换为经纬度坐标、设备型号转换为预设的设备类型编码（如1-手机，2-平板），采用独热编码算法对转换后的时间槽、经纬度坐标、设备类型编码进行处理，得到上下文向量；（3）通过全连接层将用户兴趣向量与上下文向量进行拼接，形成融合向量；（4）将融合向量输入LightGBM模型，其中LightGBM模型的学习率设置为0.05，树的深度设置为6，输出针对用户的商品推荐列表；所述推荐列表用于电商平台推荐系统的前端展示，当用户打开APP时自动显示前20个推荐商品。权利要求2：根据权利要求1所述的方法，其特征在于，所述Word2Vec模型的训练语料为用户历史点击数据中的商品ID序列，每个商品ID对应一个词，点击时间戳用于确定序列中商品的先后顺序。权利要求3：根据权利要求1所述的方法，其特征在于，所述LightGBM模型的输出结果通过交叉熵损失函数进行优化，训练数据包括10万用户的历史点击数据及对应的实际购买商品标签。撰写理由1.权利要求1：明确应用场景：“应用于电商平台的推荐系统”及步骤（4）的“用于电商平台推荐系统的前端展示”，将方法与具体技术场景（电商推荐系统）结合，体现技术性。细化数据采集与编码步骤：步骤（1）限定历史点击