发明创造名称：用于等级评定的方法及系统
外观设计名称：
决定号：199845
决定日：2019-08-26
委内编号：1F247330
优先权日：
申请（专利）号：201610864072.X
申请日：2016-09-29
复审请求人：上海陆家嘴国际金融资产交易市场股份有限公司
无效请求人：
授权公告日：
审定公告日：
专利权人：
主审员：王思文
合议组组长：张乾桢
参审员：张琳琳
国际分类号：G06Q40/06，G06Q40/08
外观设计分类号：
法律依据：专利法第22条第3款
决定要点
：如果一项权利要求所要求保护的技术方案相对于作为最接近的现有技术的对比文件而言存在多个区别技术特征，而这些区别技术特征中部分特征被其他对比文件公开且所起作用相同，其余部分区别技术特征属于本领域的公知常识，则该项权利要求不具备创造性。
全文：
本复审请求涉及申请号为201610864072.X，名称为“用于等级评定的方法及系统”的发明专利申请（下称“本申请”）。申请人为上海陆家嘴国际金融资产交易市场股份有限公司。本申请的申请日为2016年09月29日，公开日为2017年03月08日。
经实质审查，国家知识产权局原审查部门于2017年12月06日发出驳回决定，驳回了本发明专利申请，其理由是：权利要求1-19不具备专利法第22条第3款规定的创造性，具体理由如下：1、独立权利要求1、10、19与对比文件1（CN104376197A，公开日为2015年02月25日）的区别技术特征在于：从大数据源获取与所述评估对象有关的大数据信息；基于所述评估对象的输入信息和从大数据源获取的与所述评估对象有关的大数据信息确定所述对象的第二维度评估值的第一分量、第二分量和第三分量中的至少一个。区别技术特征被对比文件2（“个人住房抵押贷款风险评估实证研究”，姚宏刚，中国优秀硕士学位论文全文数据库，公开日为2006年12月15日）公开了，因此权利要求1、10、19请求保护的方案不具备创造性。2、从属权利要求2、4、6、11、13、15的附加技术特征被对比文件2公开了；3、从属权利要求3、5、7-8、12、14、16-17的附加技术特征被对比文件3（CN104881783A，公开日为2015年09月02日）结合本领域技术人员的惯用手段公开；4、从属权利要求9、18的附加技术特征被对比文件1公开了。因此权利要求2-9，11-18请求保护的方案不具备创造性。
驳回决定所依据的文本为: 申请日2016年09月29日提交的权利要求第1-19项、说明书第1-15页、说明书附图第1-5页、说明书摘要、摘要附图。
驳回决定所针对的权利要求书如下：
“1.一种用于等级评定的方法，包括：
接收评估对象的输入信息；
基于所述评估对象的输入信息计算所述对象的第一维度评估值；
从大数据源获取与所述评估对象有关的大数据信息；
基于所述评估对象的输入信息和从大数据源获取的与所述评估对象有关的大数据信息确定所述对象的第二维度评估值的第一分量、第二分量和第三分量中的至少一个；
基于所述对象的第二维度评估值的第一分量、第二分量和第三分量中的至少一个确定所述第二维度评估值；以及
基于所述对象的第一维度评估值和第二维度评估值确定所述对象的等级。
2.如权利要求1所述的方法，其中基于所述评估对象的输入信息和从大数据源获取的与所述评估对象有关的大数据信息确定所述对象的第二维度评估值还包括：
基于所述评估对象输入的客观信息确定所述第二维度评估值的第一分量。
3.如权利要求2所述的方法，其中所述客观信息包括多个客观信息元素，基于所述评估对象输入的客观信息确定所述第二维度评估值的第一分量还包括：
为所述多个客观信息元素中的每个信息元素分别赋予相应的分值，
将所述多个客观信息元素中的每个信息元素的分值相加以确定所述第一分量。
4.如权利要求1所述的方法，其中基于所述评估对象的输入信息和从大数据源获取的与所述评估对象有关的大数据信息确定所述对象的第二维度评估值还包括：
基于从所述大数据源获取的与所述评估对象有关的大数据信息，利用规则模型确定所述第二维度评估值的第二分量。
5.如权利要求4所述的方法，其中与评估对象有关的信息包括多个特征变量，并且基于从所述大数据源获取的与所述评估对象有关的大数据信息，利用规则模型确定所述第二维度评估值的第二分量还包括：
根据类型对所述多个特征变量分组，并向每个组赋予组权重值，向每个组中的每个特征变量赋予相应的变量权重值；
对每个组内的特征变量进行加权求和；
利用规则模型和所获得的各个组的特征变量的加权和来计算所述第二分量。
6.如权利要求1所述的方法，其中基于所述评估对象的输入信息和从大数据源获取的与所述评估对象有关的大数据信息确定所述对象的第二维度评估值还包括：
基于从所述大数据源获取的与所述评估对象有关的信息，利用机器学习模型获得所述第二维度评估值的第三分量。
7.如权利要求6所述的方法，其中与评估对象有关的信息包括多个特征变量，并且基于从所述大数据源获取的与所述评估对象有关的信息，利用机器学习模型获得所述第二维度评估值的第三分量还包括：
利用机器学习模型，对从所述大数据源获取的与所述评估对象有关的信息的各个维度的数据进行融合，并对各个样本根据领域知识进行自动化标注；
对各个维度的特征变量进行特征处理；
利用机器学习模型对得到的自动化标注后的样本和特征处理后的特征变量进行建模；
基于从所述大数据源获取的与所述评估对象有关的信息和建模得到的模型获取所述评估对象的第二维度评估值的第三分量。
8.根据权利要求1所述的方法，其中基于所述对象的第二维度评估值的第一分量、第二分量和第三分量中的至少一个确定所述第二维度评估值包括：
通过对所述第一分量、所述第二分量和所述第三分量进行加权求和来确定所述第二维度评估值。
9.根据权利要求1所述的方法，还包括：
将所述第一维度评估值和所述第二维度评估值分别映射到不同级别，以确定所述对象的等级。
10.一种用于等级评定的系统，包括：
接收单元，其被配置为接收评估对象的输入信息；
第一维度评估值计算单元，其被配置为基于所述评估对象的输入信息计算所述对象的第一维度评估值；
大数据获取单元，其被配置为从大数据源获取与所述评估对象有关的大数据信息；
第二维度评估值计算单元，其被配置为基于所述评估对象的输入信息和从大数据源获取的与所述评估对象有关的大数据信息确定所述对象的第二维度评估值的第一分量、第二分量和第三分量中的至少一个，并且基于所述对象的第二维度评估值的第一分量、第二分量和第三分量中的至少一个确定所述第二维度评估值；以及
对象等级确定单元，其被配置为基于所述对象的第一维度评估值和第二维度评估值确定所述对象的等级。
11.如权利要求10所述的系统，其中所述第二维度评估值计算单元还被配置为：
基于所述评估对象输入的客观信息确定所述第二维度评估值的第一分量。
12.如权利要求11所述的系统，其中所述客观信息包括多个客观信息元素，其中所述第二维度评估值计算单元还被配置为：
为所述多个客观信息元素中的每个信息元素分别赋予相应的分值，
将所述多个客观信息元素中的每个信息元素的分值相加以确定所述第一分量。
13.如权利要求10所述的系统，其中所述第二维度评估值计算单元还被配置为：
基于从所述大数据源获取的与所述评估对象有关的大数据信息，利用规则模型确定所述第二维度评估值的第二分量。
14.如权利要求13所述的系统，其中与评估对象有关的信息包括多个特征变量，并且其中所述第二维度评估值计算单元还被配置为：
根据类型对所述多个特征变量分组，并向每个组赋予组权重值，向每个组中的每个特征变量赋予相应的变量权重值；
对每个组内的特征变量进行加权求和；
利用规则模型和所获得的各个组的特征变量的加权和来计算所述第二分量。
15.如权利要求10所述的系统，其中所述第二维度评估值计算单元还被配置为：
基于从所述大数据源获取的与所述评估对象有关的信息，利用机器学习模型获得所述第二维度评估值的第三分量。
16.如权利要求15所述的系统，其中与评估对象有关的信息包括多个特征变量，并且其中所述第二维度评估值计算单元还被配置为：
利用机器学习模型，对从所述大数据源获取的与所述评估对象有关的信息的各个维度的数据进行融合，并对各个样本根据领域知识进行自动化标注；
对各个维度的特征变量进行特征处理；
利用机器学习模型对得到的自动化标注后的样本和特征处理后的特征变量进行建模；
基于从所述大数据源获取的与所述评估对象有关的信息和建模得到的模型获取所述评估对象的第二维度评估值的第三分量。
17.根据权利要求10所述的系统，其中所述第二维度评估值计算单元还被配置为：
通过对所述第一分量、所述第二分量和所述第三分量进行加权求和来确定所述第二维度评估值。
18.根据权利要求10所述的系统，其中所述等级确定单元还被配置为：
将所述第一维度评估值和所述第二维度评估值分别映射到不同级别，以确定所述对象的等级。
19.一种用于等级评定的系统，包括：
处理器和存储器，所述存储器包括可由所述处理器运行的指令，所述处理器被配置为运行所述指令，以：
接收评估对象的输入信息；
基于所述评估对象的输入信息计算所述对象的第一维度评估值；
从大数据源获取与所述评估对象有关的大数据信息；
基于所述评估对象的输入信息和从大数据源获取的与所述评估对象有关的大数据信息确定所述对象的第二维度评估值的第一分量、第二分量和第三分量中的至少一个；
基于所述对象的第二维度评估值的第一分量、第二分量和第三分量中的至少一个确定所述第二维度评估值；以及
基于所述对象的第一维度评估值和第二维度评估值确定所述对象的等级。”
申请人（下称复审请求人）对上述驳回决定不服,于2018年03月21日向国家知识产权局提出了复审请求，同时修改了权利要求书第1、10、19项，在权利要求1、10、19中增加了特征“所述第一维度评估值反映所述评估对象的主观偏好等级”及“所述第二维度评估值反映所述对象的客观实力等级”。复审请求人认为：（1）权利要求1中的“对象的输入信息”是由评估对象/用户输入的信息，这样的数据更能直接体现用户的想法，而对比文件1的特征完全不涉及评估对象或用户输入的信息，即完全没有采集用户的主观信息，并且由于进行评估的基础也不是评估对象输入的信息，因此得到的评估结果也不是反映评估对象的主观偏好的评估值，因此，对比文件1没有公开 “基于所述评估对象的输入信息计算所述对象的第一维度评估值，所述第一维度评估值反映所述评估对象的主观偏好等级”。（2）对比文件2中考虑住房贷款的三个维度的因素：一是借款人本身的特征，二是贷款合同的特征，三是抵押房产的特征，变量包括如表3-2中所示的19种变量等。这些变量需要由住房贷款领域的专业领域的技术人员预先对信息进行维度的划分，并且这些变量的集合用来获取整个评价系统的“评价模型”而非某一特定用户的评价结果。在权利要求1的方案中，从大数据源获取与评估对象有关的信息本身涉及从具有海量数据的大数据源中采集与特定对象有关的信息，这本身需要强大的处理能力来对大数据进行划分和确定，不可能是由人力事先划分和确定的，因此，对比文件2没有公开权利要求1中的特征“从大数据源获取与评估对象有关的大数据信息，基于输入信息和大数据信息确定对象的第二维度评估值的第一分量、第二分量和第三分量中的至少一个。
复审请求人提出复审请求时新修改的权利要求书中的权利要求1、10、19内容如下：
“1.一种用于等级评定的方法，包括：
接收评估对象的输入信息；
基于所述评估对象的输入信息计算所述对象的第一维度评估值，所述第一维度评估值反映所述评估对象的主观偏好等级；
从大数据源获取与所述评估对象有关的大数据信息；
基于所述评估对象的输入信息和从大数据源获取的与所述评估对象有关的大数据信息确定所述对象的第二维度评估值的第一分量、第二分量和第三分量中的至少一个；
基于所述对象的第二维度评估值的第一分量、第二分量和第三分量中的至少一个确定所述第二维度评估值，所述第二维度评估值反映所述对象的客观实力等级；以及
基于所述对象的第一维度评估值和第二维度评估值确定所述对象的等级。”
“10.一种用于等级评定的系统，包括：
接收单元，其被配置为接收评估对象的输入信息；
第一维度评估值计算单元，其被配置为基于所述评估对象的输入信息计算所述对象的第一维度评估值，所述第一维度评估值反映所述评估对象的主观偏好等级；
大数据获取单元，其被配置为从大数据源获取与所述评估对象有关的大数据信息；
第二维度评估值计算单元，其被配置为基于所述评估对象的输入信息和从大数据源获取的与所述评估对象有关的大数据信息确定所述对象的第二维度评估值的第一分量、第二分量和第三分量中的至少一个，并且基于所述对象的第二维度评估值的第一分量、第二分量和第三分量中的至少一个确定所述第二维度评估值，所述第二维度评估值反映所述对象的客观实力等级；
以及
对象等级确定单元，其被配置为基于所述对象的第一维度评估值和第二维度评估值确定所述对象的等级。”
“19.一种用于等级评定的系统，包括：
处理器和存储器，所述存储器包括可由所述处理器运行的指令，所述处理器被配置为运行所述指令，以：
接收评估对象的输入信息；
基于所述评估对象的输入信息计算所述对象的第一维度评估值，所述第一维度评估值反映所述对象的主观偏好等级；
从大数据源获取与所述评估对象有关的大数据信息；
基于所述评估对象的输入信息和从大数据源获取的与所述评估对象有关的大数据信息确定所述对象的第二维度评估值的第一分量、第二分量和第三分量中的至少一个，所述第二维度评估值反映所述对象的客观实力等级；
基于所述对象的第二维度评估值的第一分量、第二分量和第三分量中的至少一个确定所述第二维度评估值；以及
基于所述对象的第一维度评估值和第二维度评估值确定所述对象的等级。”
经形式审查合格，国家知识产权局于2018年03月30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。
实质审查部门在前置审查意见书中坚持驳回决定。
随后，国家知识产权局成立合议组对本案进行审理。
合议组于2019年04月03日向复审请求人发出复审通知书，指出：权利要求1-19不具备专利法第22条第3款规定的创造性。关于复审请求人提出的复审请求意见，合议组认为：（1）对比文件1已经公开了获取预设的评估参数风险的指标集信息从而获得单项风险分值，而对于本领域技术人员而言，得到信息的方式可以为输入信息，也可以为获取已有的信息。而通过输入来得到信息，其通常都是用户进行输入的，在一定程度上包含了用户的主观意愿，当其中包含反映用户主观偏好的信息时，基于输入的这些信息获得对应评估值，评估值则会反映评估对象的主观偏好等级，这仅是由用户输入的信息属性来决定的，将这些信息作为第一维度的评估值以用于评估，是本领域技术人员可以根据需要设置的。（2）对比文件2公开了定义个人住房抵押贷款的风险等级，抽取多个总样本，并且选择多个客观变量进行量化后，利用得到的累积Logistic回归模型对检验样本风险等级进行评估。可见，对比文件2公开了通过获取与评估对象相关的大数据来确定对象的评估值及相应风险等级，而基于获取的客观数据处理，使得获得的评估值也反映了对象的客观实力等级。而具体设置不同计算规则来获取各个分量，以此来获得最终的评估值，是本领域技术人员可以根据需要设置，其所能达到的效果也是显而易见的。此外，对于申请人在意见陈述书中所强调的“在权利要求1的方案中，从大数据源获取与评估对象有关的信息本身涉及从具有海量数据的大数据源中采集与特定对象有关的信息，这本身需要强大的处理能力来对大数据进行划分和确定，不可能是由人力事先划分和确定的”，在本申请的权利要求中并没有记载如何从具有海量数据的大数据源中采集与特定对象有关的信息，具有怎样强大的处理能力来进行处理的内容，其不属于本申请保护的范围。
复审请求人于2019年05月14日提交了意见陈述书，同时提交了权利要求书的全文修改替换页（包括权利要求第1-13项），将从属权利要求2、4、6的附加特征增加到独立权利要求1中，将“基于所述对象的第二维度评估值的第一分量、第二分量和第三分量中的至少一个确定所述第二维度评估值”修改为“基于所述对象的第二维度评估值的第一分量、第二分量和第三分量来确定所述第二维度评估值”，相应修改了独立权利要求10、19。复审请求人认为：（1）对比文件1中收集的是客观的信息，而本申请的方案为了准确反映评估对象的真实风险承受能力，从而提供精确的服务或产品，接收的是反映评估对象主观偏好的信息，对比文件1不存在启示；（2）对比文件2仅记载了数据来源于某商业银行，而没有提及如权利要求1所要求的基于所述评估对象所输入的、和从大数据源获取的与所述评估对象有关的大数据所确定的信息。并且对比文件2没有提及校验来源数据真实性的方法与细节，没有解决本申请所提出的“调查对象可能会有意隐藏或编造自己的客观信息”的技术问题，从而反映调查对象的真实的风险承受能力；（3）没有针对权利要求限定的技术方案整体进行评价。因此，修改后的权利要求具备创造性。
复审请求人在答复复审通知书时新修改的权利要求1、7、13的内容如下：
“1.一种用于等级评定的方法，包括：
接收评估对象的输入信息；
基于所述评估对象的输入信息计算所述对象的第一维度评估值，所述第一维度评估值反映所述评估对象的主观偏好等级；
从大数据源获取与所述评估对象有关的大数据信息；
基于所述评估对象的输入信息和从大数据源获取的与所述评估对象有关的大数据信息确定所述对象的第二维度评估值的第一分量、第二分量和第三分量中的至少一个；
其中基于所述评估对象输入的客观信息确定所述第二维度评估值的第一分量；基于从所述大数据源获取的与所述评估对象有关的大数据信息，利用规则模型确定所述第二维度评估值的第二分量；基于从所述大数据源获取的与所述评估对象有关的信息，利用机器学习模型获得所述第二维度评估值的第三分量；
基于所述对象的第二维度评估值的第一分量、第二分量和第三分量来确定所述第二维度评估值，所述第二维度评估值反映所述对象的客观实力等级；以及
基于所述对象的第一维度评估值和第二维度评估值确定所述对象的等级。”
“7.一种用于等级评定的系统，包括：
接收单元，其被配置为接收评估对象的输入信息；
第一维度评估值计算单元，其被配置为基于所述评估对象的输入信息计算所述对象的第一维度评估值，所述第一维度评估值反映所 述评估对象的主观偏好等级；
大数据获取单元，其被配置为从大数据源获取与所述评估对象有关的大数据信息；
第二维度评估值计算单元，其被配置为基于所述评估对象的输入信息和从大数据源获取的与所述评估对象有关的大数据信息确定所述对象的第二维度评估值的第一分量、第二分量和第三分量中的至少一个，其中基于所述评估对象输入的客观信息确定所述第二维度评估值的第一分量；基于从所述大数据源获取的与所述评估对象有关的大数据信息，利用规则模型确定所述第二维度评估值的第二分量；基于从所述大数据源获取的与所述评估对象有关的信息，利用机器学习模型获得所述第二维度评估值的第三分量；并且基于所述对象的第二维度评估值的第一分量、第二分量和第三分量来确定所述第二维度评估值，所述第二维度评估值反映所述对象的客观实力等级；以及
对象等级确定单元，其被配置为基于所述对象的第一维度评估值和第二维度评估值确定所述对象的等级。”
“13.一种用于等级评定的系统，包括：
处理器和存储器，所述存储器包括可由所述处理器运行的指令，所述处理器被配置为运行所述指令，以：
接收评估对象的输入信息；
基于所述评估对象的输入信息计算所述对象的第一维度评估值，所述第一维度评估值反映所述对象的主观偏好等级；
从大数据源获取与所述评估对象有关的大数据信息；
基于所述评估对象的输入信息和从大数据源获取的与所述评估对象有关的大数据信息确定所述对象的第二维度评估值的第一分量、第二分量和第三分量中的至少一个，其中基于所述评估对象输入的客观信息确定所述第二维度评估值的第一分量；基于从所述大数据源获取的与所述评估对象有关的大数据信息，利用规则模型确 定所述第二维度评估值的第二分量；基于从所述大数据源获取的与所述评估对象有关的信息，利用机器学习模型获得所述第二维度评估值的第三分量；基于所述对象的第二维度评估值的第一分量、第二分量和第三分量来确定所述第二维度评估值，所述第二维度评估值反映所述对象的客观实力等级；以及
基于所述对象的第一维度评估值和第二维度评估值确定所述对象的等级。”
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2019年05月14日提交了权利要求书的全文修改替换页（包括权利要求第1-13项），经审查，该权利要求书的修改符合专利法实施细则第61条第1款以及专利法第33条的规定。本复审请求审查决定依据的审查文本为：申请日2016年09月29日提交说明书第1-15页、说明书附图第1-5页、说明书摘要、摘要附图，以及2019年05月14日提交的权利要求第1-13项。
关于专利法第22条第3款
专利法第22条第3款规定，创造性，是指与现有技术相比，该发明具有突出的实质性特点和显著的进步，该实用新型具有实质性特点和进步。
如果一项权利要求所要求保护的技术方案相对于作为最接近的现有技术的对比文件而言存在多个区别技术特征，而这些区别技术特征中部分特征被其他对比文件公开且所起作用相同，其余部分区别技术特征属于本领域的公知常识，则该项权利要求不具备创造性。
本复审请求审查决定引用的对比文件与驳回决定及复审通知书中引用的对比文件均相同，即：
对比文件1：CN104376197A，公开日为2015年02月25日；
对比文件2：“个人住房抵押贷款风险评估实证研究”，姚宏刚，中国优秀硕士学位论文全文数据库，公开日为2006年12月15日；
对比文件3：CN104881783A，公开日为2015年09月02日。
权利要求1-13不具备专利法第22条第3款规定的创造性。
①权利要求1请求保护一种用于等级评定的方法，对比文件1公开了一种参数风险评估的方法，并具体公开了（参见权利要求1，说明书第0014、0066-0085、0091段）：获取预设的评估参数风险的指标集信息，参数可以为利率等（相当于接收评估对象的信息，参数风险，即利率风险相当于评估对象），指标集信息包含评估所述参数风险的指标以及所述指标对应的因素影响信息，因素影响信息包含影响因素和第一权重因子，所述指标包含指标细项和第二权重因子，根据获取的指标集信息中的第一权重因子和第二权重因子得到所述指标在第一参数下的单项风险分值，根据该分值得到指标在第一参数下的单项风险等级（相当于基于所述评估对象的信息计算所述对象的第一维度评估值），得到每一指标的单项风险值（相当于确定第二维度评估值），当指标集中的指标数量在三个以下时，将指标集中所有指标对应的单项风险分值进行相加，得到指标集的综合风险分值，进而得到所述指标集在第一参数下的综合风险等级（相当于基于所述对象的第一维度评估值和第二维度评估值确定所述对象的等级）。
该权利要求所要保护的技术方案与对比文件1所公开的内容相比，区别技术特征在于：（1）输入信息，第一维度评估值反映所述评估对象的主观偏好等级；（2）从大数据源获取与所述评估对象有关的大数据信息；基于所述评估对象的输入信息和从大数据源获取的与所述评估对象有关的大数据信息确定所述对象的第二维度评估值的第一分量、第二分量和第三分量中的至少一个；基于所述评估对象输入的客观信息确定所述第二维度评估值的第一分量；基于从所述大数据源获取的与所述评估对象有关的大数据信息，利用规则模型确定所述第二维度评估值的第二分量；基于从所述大数据源获取的与所述评估对象有关的信息，利用机器学习模型获得所述第二维度评估值的第三分量；基于所述对象的第二维度评估值的第一分量、第二分量和第三分量来确定所述第二维度评估值，所述第二维度评估值反映所述对象的客观实力等级。
基于所述区别特征，权利要求1实际解决的技术问题为：如何选择评估等级所用信息，及如何确定第二维度评估值。
对于所述区别特征（1），对比文件1已经公开了获取预设的评估参数风险的指标集信息从而获得单项风险分值，而选择通过输入信息来获取相关信息，以及基于选定输入的信息以使得获得的评估值反映评估对象的主观偏好等级，这些都是本领域技术人员可以根据需要选择的，是本领域的惯用手段。
对于所述区别特征（2），对比文件2公开了对个人住房抵押贷款风险影响因素分析方法，具体公开了（参见第19-21、37-39页）：考虑影响住房贷款的三个维度的因素，一是借款人本身的特征，二是贷款合同的特征，三是抵押房产的特征，选择相关变量进行量化，变量包括：性别、年龄、家庭月收入、月还款额、月还款额占家庭月收入比例、职业、学历、婚姻状况、贷款金额、贷款已运行时间、房价指数、贷款期限、贷款余额、贷款利率、还款方式，定义个人住房抵押贷款的风险等级，抽取样本，选取变量作为模型的判别参数，利用得到的累积Logistic回归模型对检验样本风险等级评估进行判别分类，得到相应参数评估值，从而可以评估贷款风险等级。可见，对比文件2公开了通过获取与评估对象相关的大数据来确定对象的评估值及相应风险等级，即获得第二维度评估值，评估值反映了对象的客观实力等级。且其在对比文件2中所起的作用与其在本申请权利要求1中为解决其问题所起的作用相同，都是基于客观信息来获得评估值。具体在设置第二维度评估值时，通过输入的客观信息确定第一分量，基于从所述大数据源获取的与所述评估对象有关的大数据信息，利用规则模型确定第二分量，以及利用机器学习模型获得所述第二维度评估值的第三分量，采用这些计算方式进行不同分量的计算以得到评估值，是本领域技术人员可以根据需要选择的计算方法，是本领域技术人员容易想到的。而根据需要将获得的客观信息通过不同的计算规则进行计算，从而获得第一分量、第二分量和第三分量来确定第二维度评估值，这是本领域技术人员可以根据需要设置的计算方式。
因此，在对比文件1的基础上结合对比文件2及本领域技术人员的惯用手段，得到权利要求1所请求保护的技术方案，对本领域技术人员而言是显而易见的。所以，权利要求1不具有突出的实质性特点，不符合专利法第22条第3款有关创造性的规定。
② 权利要求2-5是从属权利要求，基于其附加技术特征可以确定权利要求2-5相对于对比文件1进一步要解决的问题是：如何具体获得评估值分量以及其评估值。对比文件3公开了（参见说明书第0034-0036、0063-0065、0074段）：基于大数据处理平台来进行风险检测，模型构建部分对采集到的数据进行对应指标的特征提取，例如，总体指标中的操作时长和个体指标中的交易时间段，设定规则1和规则2，风险分析部分可分为风险评分计算和风险级别确定，风险评分计算，将规则1操作时长进行分段最小二乘拟合，得到不同的4个特征区间，对每个区间的会话进行抽样查看，发现操作时长较短的区间抽样数据的正常率较高，因此按照时间长短一次设定对应风险值为0、1、5、10，记为r1，和规则2，交易时间段以小时为单位划分为24个区间，记录账户历史操作时间段，计算账户在过去一段时间内在区间内操作的频次，不同的频次代表不同的风险值，例如，所有的样本数据中，账户在上午9时操作的次数为10次，下午3时操作的次数为5，其他时段操作次数为0，则可以认为上午9时以及下午3时的风险值为0，而其他时段的风险值为1，记为r2；将规则1和规则2的结果进行加权累加，得到该账户一个会话的风险评分结果值，R＝r1*10％ r2*90％，多个会话按照加权累加的方式得到总的风险评分值，风险级别确定，通过历史风险评分的分布，计算出风险划分区间，例如，可使用分段最小二乘拟合得到合适的边界，目前划分为无风险、低风险、中风险、高风险四个级别，然后将R与不同风险级别的风险区间进行比较，确定最终账户的风险级别。可见，对比文件3已经公开了通过构建模型来对采集的大数据客观信息元素进行赋值，以及通过加权求和的方式来获得评估值来进行等级评定，其在对比文件3中的作用与其在本申请中的作用相同，都是给出了等级评估时相应分量的计算方式。而使用机器学习以及特征变量分组属于本领域中惯用的信息处理方式，基于对比文件3公开的上述内容，本领域技术人员容易想到通过将多个客观信息元素中的每个信息元素的分值相加以确定所述第一分量，以及根据类型对多个特征变量分组，并向每个组赋予组权重值，向每个组中的每个特征变量赋予相应的变量权重值，对每个组内的特征变量进行加权求和，利用规则模型和所获得的各个组的特征变量的加权和来计算所述第二分量，利用机器学习模型，对从所述大数据源获取的与所述评估对象有关的信息的各个维度的数据进行融合，并对各个样本根据领域知识进行自动化标注，对各个维度的特征变量进行特征处理，利用机器学习模型对得到的自动化标注后的样本和特征处理后的特征变量进行建模，基于从所述大数据源获取的与所述评估对象有关的信息和建模得到的模型获取所述评估对象的第二维度评估值的第三分量，这些都是本领域技术人员可以根据需要设置的计算规则。因此，在对比文件1的基础上结合对比文件2、对比文件3和本领域的公知常识得到权利要求2-5的方案对本领域技术人员来说是显而易见的，权利要求2-5不具有突出的实质性特点，不符合专利法第22条第3款有关创造性的规定。
③权利要求6的附加特征被对比文件1所公开（参见权利要求1，说明书第0014、0073、0081-0085段）：在进行参数风险评估时，可以对影响该参数风险的所有指标进行评分，得到每一个指标的风险等级，根据所述指标在所述第一参数下的单项风险分值得到所述指标在所述第一参数下的单项风险等级（相当于分别映射到不同级别），当指标集中的指标数量在三个以下时，将指标集中所有指标对应的单项风险分值进行加，得到的加和数值即为综合风险分值。将指标集的综合风险分值与综合风险对比值对比，得到指标集在第一参数下的综合风险等级。因此，当其所引用的权利要求不具有创造性时，权利要求6不具备专利法第22条第3款所规定的创造性。
④权利要求7-12请求保护一种用于等级评定的系统，其为权利要求1-6所述方法对应的装置权利要求，基于权利要求1-6的评述，权利要求7-12也不具备突出的实质性特点，不具备专利法第22条第3款所规定的创造性。
⑤权利要求13请求保护一种用于等级评定的系统，其包括处理器和存储器，所述存储器包括可由所述处理器运行的指令，所述处理器被配置为运行所述指令，以执行权利要求1所述方法，而设置处理器及存储器是本领域的惯用手段，基于权利要求1的评述，权利要求13也不具备突出的实质性特点，不具备专利法第22条第3款所规定的创造性。
3、关于复审请求人在答复复审通知书时提交的意见陈述，合议组认为：
（1）对比文件1公开了在风险评估时，基于多个指标的单项风险值来获得综合评估结果，即也是通过多个维度来获得评估结果，而对于本领域技术人员而言，通过用户输入的信息作为评估参数来获得评估结果，是可以根据需要选择的，而基于用户输入进行评估时，对对象主观偏好进行评估，是本领域常见的评估方式。
（2）对比文件2中公开的获得数据的方式也是从与用户相关的多个数据中选择相关参数，其数据来源同样是“大数据源”，其同样是对客观数据的分析来获得评估结果。而基于客观数据的分析结果，必然可以获得反映调查对象真实能力的效果。具体设置不同的计算规则来进行评估分量的计算，是本领域技术人员可以根据需要设置的。
（3）对比文件1公开了在获取预设的评估参数风险的指标集信息，将指标集中所有指标对应的单项风险分值进行相加，得到指标集的综合风险分值，从而得到指标集在第一参数下的对综合风险等级，可见，其公开了基于多个维度来获得评估结果，结合对比文件2公开的通过从大数据中获取客观数据来进行评估，结合本领域技术人员的惯用手段，本领域技术人员容易想到本申请的方案。具体参见权利要求1的评述理由。
综上，合议组对于复审请求人的意见陈述不予支持。
三、决定
维持国家知识产权局于2017年12月06日对本申请作出的驳回决定。
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。
