发明创造名称：基于多模态特征的互联网广告效果测评方法及系统
外观设计名称：
决定号：187436
决定日：2019-08-20
委内编号：1F265398
优先权日：
申请（专利）号：201711098741.8
申请日：2017-11-09
复审请求人：山东师范大学
无效请求人：
授权公告日：
审定公告日：
专利权人：
主审员：孙重清
合议组组长：甘文珍
参审员：徐颖
国际分类号：G06Q30/02
外观设计分类号：
法律依据：专利法第2条第2款
决定要点：如果权利要求请求保护的方案解决了技术问题、采用了技术手段并获得了技术效果，则该权利要求请求保护的方案属于专利法第2条第2款所规定的技术方案。
全文：
本复审请求涉及申请号为201711098741.8，名称为“基于多模态特征的互联网广告效果测评方法及系统”的发明专利申请（下称本申请）。申请人为山东师范大学。本申请的申请日为2017年11月09日，公开日为2018年03月13日。
经实质审查，国家知识产权局原审查部门于2018年10月10日发出驳回决定，以本申请不符合专利法第2条第2款的规定为由驳回了本申请。
驳回理由具体为：权利要求1-12的方案中采用了对于影响最终广告效果评测的个人的基本信息、认知方式、用户行为、记忆程度、眼动行为以及鼠标行为等主观人为因素，并非对自然规律的利用，因此所采用的手段不属于遵循自然规律的技术手段；上述所解决的问题是客观准确对广告效果进行测评的问题，不是技术问题；获得效果仅仅是提升广告测评结果的客观准确性，这并非技术效果。虽然其中用到了眼动仪采集、鼠标轨迹行为采集、特征融合等技术特征，但是其是服务于采集用户浏览网页的眼动、采集用户浏览网页的鼠标点击行为以及融合上述用户行为特征，很明显，用户浏览网页时的眼动行为和点击行为，并不受控于眼动仪或者Javascript代码，而是由用户自主思维、自主行为产生，随着网页内容的不同、用户喜好的不同等主观因素会导致眼动行为或者点击行为的不同，而眼动仪或者Javascript代码仅仅是现有技术中的采集技术以获得上述主观人为因素，因此不属于符合自然规律的技术手段；获得的效果仅仅是提升广告测评结果的客观准确性，这并非技术效果。因此该方案不构成技术方案，不符合专利法第2条第2款的规定，不是专利法所保护的客体。
驳回决定所依据的文本为：申请日2017年11月09日提交的说明书第1-139段、说明书附图图1-9、说明书摘要、摘要附图；2018年09月07日提交的权利要求第1-12项。
驳回决定所针对的权利要求书如下：
“1. 基于多模态特征的互联网广告效果测评系统，其特征是，包括：存储器、处理器以及存储在存储器上，并在处理器上运行的计算机指令，所述计算机指令被运行时，完成以下步骤：
步骤(1)：采集各项数据：采集用户的个人基本信息及认知方式，用户在浏览互联网网页过程中产生的多模态行为特征以及用户对广告的记忆程度信息；
采集用户自身特征，所述用户自身特征包括：姓名、年龄、性别、用户认知方式；所述用户的认知方式通过镶嵌图形测验获得；
采集广告自身特征，所述广告自身特征，包括：广告的尺寸和广告的位置；
采集眼动行为特征：利用眼动追踪方式，在用户浏览互联网网页过程中佩戴眼动仪来获取用户的眼动行为特征；
采集鼠标行为特征：在互联网网页内嵌入用于记录鼠标轨迹的Javascript代码来获得用户浏览网页过程中的点击广告区域的鼠标行为特征；
步骤(2)：数据分析与特征提取：根据所述采集的数据，通过特征相关性分析筛选特征，进行特征融合；
步骤(3)：建立广告记忆力模型：挖掘用户的浏览模式，将用户的浏览模式融合步骤(2)得到的特征，构建广告记忆力模型；
步骤(4)：利用已经建立好的广告记忆力模型计算用户对广告的记忆程度，从而对互联网广告效果进行测评。
2. 如权利要求1所述的系统，其特征是，所述步骤(2)中，数据分析与特征提取的步骤为：
步骤(2-1)：特征初步筛选：通过相关性分析的方式从用户自身特征、广告自身特征、眼动行为特征和鼠标行为特征中筛选与广告记忆程度在额定显著性水平下显著相关性的特征；
步骤(2-2)：特征相关性分析：对步骤(2-1)筛选后的特征进行特征间相关性分析，去除特征间相关性低的特征；
步骤(2-3)：特征降维：对经过步骤(2-2)处理后的特征进行特征融合，从而降低特征维数，去除数据噪声。
3. 如权利要求1所述的系统，其特征是，所述步骤(3)中，建立广告记忆力模型的步骤为：
步骤(3-1)：频繁浏览模式挖掘：计算用户在搜索引擎结果页内的频繁浏览模式序列；
步骤(3-2)：模型建立：根据步骤(2)得到的特征，结合步骤(3-1)的浏览模式序列， 采用Random Forest算法建立广告记忆力模型。
4. 如权利要求3所述的系统，其特征是，所述步骤(3-1)的步骤为：
步骤(3-1-1)：依照广告位置对步骤(1)采集的数据进行分类，针对每个广告位置根据采集到的用户进入每条链接区域内时间的先后顺序进行排列，每个用户查看每个网页中检索链接的顺序都对应一条浏览模式序列Qi；
步骤(3-1-2)：为步骤(3-1-1)得到的所有数据添加三个属性并初始化：被采纳长度l＝(l1,l2,...,lp)、元素的支持度S＝(s1,s2,...,sp)，设定的频繁度阈值s；l1＝0,s1＝0；
步骤(3-1-3)：计算序列首元素的支持度sj，若序列首元素的支持度sj小于设定的频繁度阈值s，则令序列首元素的支持度sj＝0，并剔除当前序列；
步骤(3-1-4)：对剩余序列按照首元素值从大到小进行排序，创建与排序后每个首元素相对应的队列G1,G2,...,Gt，将序列按类别进入到不同队列中，并删除每个序列首元素；
步骤(3-1-5)：更新序列的l和S属性，其中lj 1＝lj 1，sj 1＝s；
步骤(3-1-6)：重复步骤(3-1-3)和(3-1-4)，直至每个序列中的元素都以支持度等于0结束为止；
步骤(3-1-7)：计算每个序列的得分Fi＝li*si，从Fi中找到最大得分maxFi，最大得分对应的序列为频繁浏览模式序列，输出浏览模式序列Qi，否则，判定序列为非频繁浏览模式序列。
5. 如权利要求4所述的系统，其特征是，
所述元素的支持度为任一元素在不同序列中的同一个位置出现的次数；
所述被采纳长度为任一序列中，从首元素开始算起，元素的支持度大于设定的频繁度阈值的个数。
6. 如权利要求3所述的系统，其特征是，所述步骤(3-2)的步骤为：
步骤(3-2-1)：根据挖掘出的频繁浏览模式序列，筛选出所述步骤(1)收集到的数据集中包含频繁浏览模式序列的数据项；
步骤(3-2-2)：根据步骤(2-3)所得到的特征，使用Random Forest算法计算出所有用户在每个互联网网页内概率值最大的广告记忆程度；
步骤(3-2-3)：根据步骤(2-3)所得到的特征，使用Random Forest算法计算出具有频繁 浏览模式序列的数据项在每个互联网网页内的概率值最大的广告记忆程度；
步骤(3-2-4)：对比同一用户查看每个网页的数据项经过步骤(3-2-2)计算所得概率值最大的广告记忆程度和经过步骤(3-2-3)计算所得概率值最大的广告记忆程度，以两者概率值大的广告记忆程度更新步骤(3-2-2)获得的结果。
7. 一种计算机可读存储介质，其特征是，其上存储有计算机指令，所述计算机指令在处理器被运行时，完成以下步骤：
步骤(1)：采集各项数据：采集用户的个人基本信息及认知方式，用户在浏览互联网网页过程中产生的多模态行为特征以及用户对广告的记忆程度信息；
采集用户自身特征，所述用户自身特征包括：姓名、年龄、性别、用户认知方式；所述用户的认知方式通过镶嵌图形测验获得；
采集广告自身特征，所述广告自身特征，包括：广告的尺寸和广告的位置；
采集眼动行为特征：利用眼动追踪方式，在用户浏览互联网网页过程中佩戴眼动仪来获取用户的眼动行为特征；
采集鼠标行为特征：在互联网网页内嵌入用于记录鼠标轨迹的Javascript代码来获得用户浏览网页过程中的点击广告区域的鼠标行为特征；
步骤(2)：数据分析与特征提取：根据所述采集的数据，通过特征相关性分析筛选特征，进行特征融合；
步骤(3)：建立广告记忆力模型：挖掘用户的浏览模式，将用户的浏览模式融合步骤(2)得到的特征，构建广告记忆力模型；
步骤(4)：利用已经建立好的广告记忆力模型计算用户对广告的记忆程度，从而对互联网广告效果进行测评。
8. 如权利要求7所述的计算机可读存储介质，其特征是，所述步骤(2)中，数据分析与特征提取的步骤为：
步骤(2-1)：特征初步筛选：通过相关性分析的方式从用户自身特征、广告自身特征、眼动行为特征和鼠标行为特征中筛选与广告记忆程度在额定显著性水平下显著相关性的特征；
步骤(2-2)：特征相关性分析：对步骤(2-1)筛选后的特征进行特征间相关性分析，去除特征间相关性低的特征；
步骤(2-3)：特征降维：对经过步骤(2-2)处理后的特征进行特征融合，从而降低特征维数，去除数据噪声。
9. 如权利要求7所述的计算机可读存储介质，其特征是，所述步骤(3)中，建立广告记忆力模型的步骤为：
步骤(3-1)：频繁浏览模式挖掘：计算用户在搜索引擎结果页内的频繁浏览模式序列；
步骤(3-2)：模型建立：根据步骤(2)得到的特征，结合步骤(3-1)的浏览模式序列，采用Random Forest算法建立广告记忆力模型。
10. 如权利要求9所述的计算机可读存储介质，其特征是，所述步骤(3-1)的步骤为：
步骤(3-1-1)：依照广告位置对步骤(1)采集的数据进行分类，针对每个广告位置根据采集到的用户进入每条链接区域内时间的先后顺序进行排列，每个用户查看每个网页中检索链接的顺序都对应一条浏览模式序列Qi；
步骤(3-1-2)：为步骤(3-1-1)得到的所有数据添加三个属性并初始化：被采纳长度l＝(l1,l2,...,lp)、元素的支持度S＝(s1,s2,...,sp)，设定的频繁度阈值s；l1＝0,s1＝0；
步骤(3-1-3)：计算序列首元素的支持度sj，若序列首元素的支持度sj小于设定的频繁度阈值s，则令序列首元素的支持度sj＝0，并剔除当前序列；
步骤(3-1-4)：对剩余序列按照首元素值从大到小进行排序，创建与排序后每个首元素相对应的队列G1,G2,...,Gt，将序列按类别进入到不同队列中，并删除每个序列首元素；
步骤(3-1-5)：更新序列的l和S属性，其中lj 1＝lj 1，sj 1＝s；
步骤(3-1-6)：重复步骤(3-1-3)和(3-1-4)，直至每个序列中的元素都以支持度等于0结束为止；
步骤(3-1-7)：计算每个序列的得分Fi＝li*si，从Fi中找到最大得分maxFi，最大得分对应的序列为频繁浏览模式序列，输出浏览模式序列Qi，否则，判定序列为非频繁浏览模式序列。
11. 如权利要求10所述的计算机可读存储介质，其特征是，
所述元素的支持度为任一元素在不同序列中的同一个位置出现的次数；
所述被采纳长度为任一序列中，从首元素开始算起，元素的支持度大于设定的频繁度阈值的个数。
12. 如权利要求9所述的计算机可读存储介质，其特征是，所述步骤(3-2)的步骤为：
步骤(3-2-1)：根据挖掘出的频繁浏览模式序列，筛选出所述步骤(1)收集到的数据集 中包含频繁浏览模式序列的数据项；
步骤(3-2-2)：根据步骤(2-3)所得到的特征，使用Random Forest算法计算出所有用户在每个互联网网页内概率值最大的广告记忆程度；
步骤(3-2-3)：根据步骤(2-3)所得到的特征，使用Random Forest算法计算出具有频繁浏览模式序列的数据项在每个互联网网页内的概率值最大的广告记忆程度；
步骤(3-2-4)：对比同一用户查看每个网页的数据项经过步骤(3-2-2)计算所得概率值最大的广告记忆程度和经过步骤(3-2-3)计算所得概率值最大的广告记忆程度，以两者概率值大的广告记忆程度更新步骤(3-2-2)获得的结果。”
申请人（下称复审请求人）对上述驳回决定不服，于2018年11月08日向国家知识产权局提出了复审请求，未修改申请文件。复审请求人认为：（1）本申请中的广告效果评测是技术问题；（2）为了给出一个合理的广告投放测评效果，采用了“在用户浏览互联网网页过程中佩戴眼动仪来获取用户的眼动行为特征”、“在互联网网页内嵌入用于记录鼠标轨迹的Javascript代码来获得用户浏览网页过程中的点击广告区域的鼠标行为特征”等技术手段，通过采集眼动特征和鼠标行为特征，建立广告记忆力模型，解决优化广告布局方式的技术问题，其本质上是大数据处理的数据采集问题；（3）本申请不是考察一个用户的眼动行为，而是考察多个用户的眼动行为，进行大数据分析，找到用户行为的共性和模式，在大数据分析下，会去掉各个用户的行为差异，找到人类眼动行为特征的共性；不同用户的浏览轨迹是不一样的，不同用户的浏览行为页不一样，但是本申请不是考察一个用户的浏览行为，而是考察多个用户的浏览行为，进行大数据分析，找到用户浏览行为的共性和模式；（4）通过本申请说明书的记载，本领域技术人员可以清楚的知晓，通过本申请上述数据处理，最后可以挖掘出广告布局的合理方式，对搜索引擎结果页内的广告布局方式进行合理的优化，本申请取得的效果是符合自然规律的技术效果。
经形式审查合格，国家知识产权局于2018年11月20日依法受理了该复审请求，并将其转送至原审查部门进行前置审查。
原审查部门在前置审查意见书中认为：
（1）“广告效果测评”属于广告评估的问题，而广告评估本身并不属于技术问题。
（2）大数据处理本身并不一定必然构成技术手段，还要根据解决的问题是否为技术问题来判断方案的技术性，本申请已经确定了解决的问题“广告效果测评”不是技术问题；另外，虽然本申请中涉及眼动仪、网页内嵌代码特征，但是利用上述方式所采集的用户眼动、用户鼠标行为最终都是用于构建广告记忆力模型，根据本申请对于广告记忆力模型的描述，该模型结合了用户个人信息（姓名、性别等）、用户认知方式（镶嵌图形测试用户认知方式）、广告自身特征（尺寸和位置）、眼动、鼠标行为，通过人为设定的方式，包括确定浏览顺序，计算支持度，确定得分并确定评估等级（肯定见过、好像见过、好像没见过、肯定没见过）最终获得广告记忆程度，并以此评估广告效果，方案中并未体现出用户鼠标行为、眼动行为、认知方式、用户信息与广告效果评估之间的关系是符合一定自然规律的，因此所采用的手段不属于遵循自然规律的技术手段。
（3）复审请求人所提出的“挖掘广告布局的合理方式，对搜索引擎结果页的广告布局优化”，并不能从本申请的方案中得出，本申请的限定的方案产生的效果是为了提升广告评测效果，而这并非技术效果。
（4）案件的审查遵循独立审查，案件本身是否属于客体不能根据其他类似专利授权或者出自同一课题的其他专利授权而定，还是要根据专利法对客体的规定进行判断。 综上，权利要求不符合专利法第2条第2款的规定。因而，原审查部门坚持驳回决定。
随后，国家知识产权局成立合议组对本案进行审理。
在上述程序的基础上，合议组认为本案事实已经清楚，可以作出审查决定。
二、决定的理由
审查文本的认定
复审请求人在提交复审请求时没有修改申请文件，因此，本复审决定所依据的审查文本与驳回决定针对的文本相同，即：申请日2017年11月09日提交的说明书第1-139段、说明书附图图1-9、说明书摘要、摘要附图；2018年09月07日提交的权利要求第1-12项。
专利法第2条第2款
专利法第2条第2款规定：发明，是指对产品、方法或者其改进所提出的新的技术方案。
如果权利要求请求保护的方案解决了技术问题、采用了技术手段并获得了技术效果，则该权利要求请求保护的方案属于专利法第2条第2款所规定的技术方案。
2.1、权利要求1请求保护一种基于多模态特征的互联网广告效果测评系统，其技术方案采用了“获得用户的个人基本信息、认知方式、行为、广告记忆程度、广告自身特征、眼动行为以及鼠标行为特征，并以此为依据构建广告记忆力模型，利用上述模型获得用户对广告的记忆程度，实现对广告效果的评测”，来解决广告效果评测不客观不准确的问题。根据说明书背景技术部分的记载可知，由于像点击率这种衡量指标最大的缺点忽略了这些受众可能注意到但没有付出具体行为的广告，而转化率则将用户对网页的浏览和广告的浏览混为一谈，因此需要一种新指标来真实反映用户对网页广告的注意力程度，而用户在浏览结束后对广告的记忆力度应当是衡量广告效果的一项重要指标，而本申请就是针对广告记忆力度指标而创造的技术方案，从而解决了利用广告记忆力度指标来评测广告效果的技术问题。
为了解决上述技术问题，本申请权利要求1的解决方案采用了如下的技术手段：（1）采集用户自身特征（姓名、年龄、性别、用户认知方式），通过镶嵌图形测验获得，采集广告自身特征（广告尺寸、位置），通过佩戴眼动仪，利用眼动追踪方式采集浏览互联网网页过程中用户的眼动行为特征，利用记录鼠标轨迹的Javascript代码获得鼠标行为特征；（2）数据分析和特征提取；（3）建立广告记忆力模型；（4）利用建立好的广告记忆力模型计算用户对广告的记忆程度，从而对互联网广告效果进行评测。其中，采集用户和广告自身特征、采集眼动行为特征、采集鼠标行为特征、进行数据分析与特征提取、建立广告记忆力模型等手段均是为解决上述技术问题所采取的符合自然规律的客观技术手段，并非取决于人的主观因素。
通过上述技术手段，本申请权利要求1的解决方案达到了如下的技术效果：挖掘出广告布局的合理方式，实现了搜索引擎结果页内页面的优化布局。
因此，权利要求1属于专利法第2条第2款规定的技术方案，属于专利法保护的客体。
同理，权利要求7属于专利法第2条第2款规定的技术方案，属于专利法保护的客体。
2.2、权利要求2-6是权利要求1的直接或间接从属权利要求，对其进行进一步的限定，同样解决了技术问题，采用了技术手段并获得了技术效果。从而从属权利要求2-6也属于专利法第2条第2款规定的技术方案，属于专利法保护的客体。
权利要求8-12是权利要求7的直接或间接从属权利要求，对其进行进一步的限定，同样解决了技术问题，采用了技术手段并获得了技术效果。从而从属权利要求8-12也属于专利法第2条第2款规定的技术方案，属于专利法保护的客体。
3、对驳回决定中相关意见及前置审查意见的评述
针对驳回决定及前置审查的相关意见，合议组认为：虽然针对单个个体而言，个人的认知方式、记忆程度等属于个人的主观人为因素，但是个人的这些特征之间存在关联性，并且就人类而言，上述特征也存在共性，本申请不是考察一个用户的特征，而是考察多个用户的特征共性，进行大数据分析，找到用户特征的共性和模式，虽然每个用户的特征各不相同，但是在大数据分析下，会去掉各个用户的特征差异，找到人类特征的共性，是符合自然规律的。例如，虽然每个用户的眼动行为各不相同，但是大数据分析下，会去掉各个用户的行为差异，找到人类眼动行为特征的共性，是符合自然规律的。例如，在互联网网页内嵌入用于记录鼠标轨迹的Javascript代码来获得用户浏览网页过程中的点击广告区域的鼠标行为特征，不同用户的浏览轨迹是不一样的，不同用户的浏览行为也不一样，但是通过大数据分析，多个用户的浏览行为存在共性和模式。而且，在本申请请求保护的方案中，采集用户和广告自身特征、采集眼动行为特征、采集鼠标行为特征、进行数据分析与特征提取、建立广告记忆力模型等手段均是为解决其技术问题所采取的符合自然规律的客观技术手段，并非取决于人的主观因素。结合前文的评述，合议组对于原审查部门的意见不予支持。
三、决定
撤销国家知识产权局于2018年10月10日对本申请作出的驳回决定。由国家知识产权局原审查部门以下述文本为基础继续进行审批程序：
申请日2017年11月09日提交的说明书第1-139段、说明书附图图1-9、说明书摘要、摘要附图；2018年09月07日提交的权利要求第1-12项。
如对本复审请求审查决定不服，根据专利法第41条第2款的规定，复审请求人可以自收到本决定之日起三个月内向北京知识产权法院起诉。
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。
