发明创造名称：一种基于场境感知的智能导学系统及其实现方法
外观设计名称：
决定号：190911
决定日：2019-09-25
委内编号：1F266923
优先权日：
申请（专利）号：201710754170.2
申请日：2017-08-29
复审请求人：广东省科技基础条件平台中心 华南师范大学
无效请求人：
授权公告日：
审定公告日：
专利权人：
主审员：王晓渊
合议组组长：李晨
参审员：于春晖
国际分类号：G06F17/50；G06Q50/20，G09B5/00
外观设计分类号：
法律依据：专利法第22条第3款
决定要点
：若一项权利要求所要求保护的技术方案相对于最接近的现有技术存在区别技术特征，但该区别技术特征部分被其他对比文件公开，另一部分属于相关技术领域的惯用技术手段，且现有技术已经给出了相应的技术启示令本领域技术人员有动机将相关技术手段应用于最接近的现有技术中以解决相应的技术问题，并获得该权利要求所要求保护的技术方案，而该区别技术特征的引入未给该权利要求带来预料不到的技术效果，则该权利要求不具备创造性。
全文：
本复审请求涉及申请号为201710754170.2，名称为“一种基于场境感知的智能导学系统及其实现方法”的发明专利申请（下称本申请）。申请人为广东省科技基础条件平台中心、华南师范大学。本申请的申请日为2017年08月29日，公开日为2017年11月24日。
经实质审查，国家知识产权局原审查部门于2018年09月25日发出驳回决定，驳回了本申请，其理由是：权利要求1-10不符合专利法第22条第3款的规定。权利要求1和对比文件1（CN 101105853A，公开日：2008年01月16日）相比，区别技术特征为：（1）权利要求1中的导学系统是基于场境感知的，包括导学场境信息采集模块、导学场境语义模型建立模块、导学场境语义数据融合模块；其中，导学场境信息采集模块，用于从学习场境信息中采集导学场境原生数据，且上传至场境感知智能导学平台服务端、导学场境语义模型建立模块，用于通过本体建模工具采用本体描述语言建立导学场境语义模型、导学场境语义数据融合模块，用于融合学习场境数据和导学场境知识，并基于本体存取组件，且利用本体推理引擎服务，在本体知识层进行导学场境数据知识的融合服务，完成场境数据的一致性检测和情景汇聚；（2）权利要求1中包括场境导学规则生成模块，用于采用SWRL语言将学习情景规则和知识关联关系转化为SWRL规则，应用SWRL规则设计和生成场境导学规则；场境导学资源推荐模块，用于应用上述所生成的场境导学规则，基于学习资源服务规格、服务质量和服务价格，通过学习资源语义相关性与学习目标达成度计算，为智能导学引擎提供语义服务匹配选择与推荐服务。基于以上区别特征可以确定权利要求1相对于对比文件1实际解决的技术问题是：如何基于场境信息进行个性化导学服务。但是上述区别特征（1）部分被对比文件2公开（CN103258027 A，公开日：2013年08月21日）公开，部分是本领域的惯用技术手段，区别特征（2）部分被对比文件3公开（CN101382950 A，公开日：2009年03月11日）公开，部分是本领域技术人员容易想到的，因此，权利要求1不具备创造性。权利要求2-5为从属权利要求，其附加技术特征均属于本领域常用技术手段，因此，当其引用的权利要求不具备创造性时，权利要求2-5也不具备创造性，不符合专利法第22条第3款的规定。权利要求6-10请求保护一种基于场境感知的智能导学系统的实现方法，其是与权利要求1-5所保护的系统相对应的方法权利要求，因此基于以上评述权利要求1-5相似的理由，权利要求6-10也不具备创造性，不符合专利法第22条第3款的规定。
驳回决定所依据的文本为申请日2017年08月29日提交的权利要求第1-10项、说明书第1-92段、说明书附图图1-10、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. 一种基于场境感知的智能导学系统，其特征在于，包括导学场境信息采集模块、导学场境语义模型建立模块、场境导学规则生成模块、导学场境语义数据融合模块、场境导学资源推荐模块和场境导学执行模块，其中：
导学场境信息采集模块，用于从学习场境信息中采集导学场境原生数据，且上传至场境感知智能导学平台服务端；
导学场境语义模型建立模块，用于通过本体建模工具采用本体描述语言建立导学场境语义模型；
场境导学规则生成模块，用于采用SWRL语言将学习情景规则和知识关联关系转化为SWRL规则，应用SWRL规则设计学习知识路径及备选学习方法，由此生成场境导学规则；
导学场境语义数据融合模块，用于融合学习场境数据和导学场境知识，并基于本体存取组件，且利用本体推理引擎服务，在本体知识层进行导学场境数据知识的融合服务，完成场境数据的一致性检测和情景汇聚；
场境导学资源推荐模块，用于应用上述所生成的场境导学规则，基于学习资源服务规格、服务质量和服务价格，通过学习资源语义相关性与学习目标达成度计算，为智能导学引擎提供语义服务匹配选择与推荐服务；
场境导学执行模块，用于接收语义服务匹配选择与推荐服务，运行智能导学引擎，以提供智能导学服务。
2. 如权利要求1所述的基于场境感知的智能导学系统，其特征在于，所述导学场境信息采集模块包括导学场境信息采集单元和导学场境信息转化单元，其中：
导学场境信息采集单元，用于通过导学平台服务器与学习终端所布署的学习场境信息中抽取Agent定期或以事件响应方式采集导学场境原生数据；
导学场境信息转化单元，用于将所采集的导学场境原生数据转化为以对象模型表示的统一格式的导学场境标识数据。
3. 如权利要求1所述的基于场境感知的智能导学系统，其特征在于，所述场境导学规则生成模块包括预处理单元和场境导学规则生成单无，其中：
预处理单元，用于对导学场境原生数据中场境标识数据进行导学场境主动分类识别和导学场境语义数据的结构表示，对导学场境原生数据进行预处理，生成学习场境数据；
场境导学规则生成单元，用于通过导学场境原生数据在导学场境语义模型中的计器学习，生成场境导学规则。
4. 如权利要求1所述的基于场境感知的智能导学系统，其特征在于，还包括场境导学情境反馈模块，所述场境导学情境反馈模块，用于在场境导学执行模块执行期间，定制智能导学各阶段的语义感知的反馈数据，为下一阶段智能导学提供语义反馈数据。
5. 如权利要求1-4任一项所述的基于场境感知的智能导学系统，其特征在于，还包括场境数据查询模块，所述场境数据查询模块，用于与本体知识查询引擎连接，以提供场境数据查询服务。
6. 一种基于场境感知的智能导学系统的实现方法，其特征在于，包括如下步骤：
S10从学习场境信息中采集导学场境原生数据，且上传至场境感知智能导学平台服务端；
S20通过本体建模工具采用本体描述语言建立导学场境语义模型；
S30采用SWRL语言将学习情景规则和知识关联关系转化为SWRL规则，应用SWRL规则设计学习知识路径及备选学习方法，由此生成场境导学规则；
S40融合学习场境数据和导学场境知识，并基于本体存取组件，且利用本体推理引擎服务，在本体知识层进行导学场境数据知识的融合服务，完成场境数据的一致性检测和情景汇聚；
S50应用上述所生成的场境导学规则，基于学习资源服务规格、服务质 量和服务价格，通过学习资源语义相关性与学习目标达成度计算，为智能导学引擎提供语义服务匹配选择与推荐服务；
S60接收语义服务匹配选择与推荐服务，运行智能导学引擎，以提供智能导学服务。
7. 如权利要求6所述的基于场境感知的智能导学系统的实现方法，其特征在于，所述S10步骤包括：
S101通过导学平台服务器与学习终端所布署的学习场境信息中抽取Agent定期或以事件响应方式采集导学场境原生数据；
S102将所采集的导学场境原生数据转化为以对象模型表示的统一格式的导学场境标识数据。
8. 如权利要求6所述的基于场境感知的智能导学系统的实现方法，其特征在于，所述S30步骤包括：
S301对导学场境原生数据中场境标识数据进行导学场境主动分类识别和导学场境语义数据的结构表示，对导学场境原生数据进行预处理，生成学习场境数据；
S302通过导学场境原生数据在导学场境语义模型中的计器学习，生成场境导学规则。
9. 如权利要求6所述的基于场境感知的智能导学系统的实现方法，其特征在于，还包括：
S70在场境导学执行模块执行期间，定制智能导学各阶段的语义感知的反馈数据，为下一阶段智能导学提供语义反馈数据。
10. 如权利要求6-9任一项所述的基于场境感知的智能导学系统的实现方法，其特征在于，在所述S40之后还包括：
S80与本体知识查询引擎连接，以提供场境数据查询服务。”
申请人（下称复审请求人）对上述驳回决定不服，于2018年11月16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，在独立权利要求1中增加了特征“所述原生数据包括有学习资源知识和学习场景历史反馈数据”以及“此外，所述智能导学系统还能够根据职位能力内涵要求以及获取职位能力的关键知识路径，使用学习者场境语义本体相关度计算实现职位能力要素匹配，并使用学习者过程语义数据、学习场境语义数据、学习考核语义数据，进行职位能力成熟度评估服务”，在独立权利要求6中增加特征“所述智能导学系统的实现方法还包括，根据职位能力内涵要求以及获取职位能力的关键知识路径，使用学习者场境语义本体相关度计算实现职位能力要素匹配，并使用学习者过程语义数据、学习场境语义数据、学习考核语义数据，进行职位能力成熟度评估服务”。
复审请求人认为：修改后的权利要求1，其实际解决的技术问题是：如何在读职位能力成熟度进行评估的同时，改善学习过程和学习效果。这与对比文件1实际解决的技术问题无关。具体地，（1）两者所采用的原始数据不同；（2）构建原始数据的方式不同；（3）采集数据目的不同。因此，对比文件1和本申请是完全不同的技术方案。而在对比文件2中，是采用智能代理的机制完成传感信息的动态捕获与传输处理，通过捕获这些信息，搭建一个能够服务第三方的情感感知平台。即对比文件2中是通过动态捕获传感信息来提供一个与第三方的动态结构，且对比文件2的具体应用领域时传感数据采集领域，这显然与权利要求1的教学技术领域不同，采集的数据不同，目的不同。修改后的权利要求1中，智能导学系统还能够根据职位能力内涵要求以及获取职位能力的关键知识路径，使用学习者场境语义本体相关度计算实现职位能力要素匹配，并使用学习者过程语义数据、学习场境语义数据、学习考核语义数据，进行职位能力成熟度评估服务，而对比文件1没有。综上所述，权利要求1-10具备创造性。复审请求时新修改的独立权利要求1、6如下：
“1. 一种基于场境感知的智能导学系统，其特征在于，包括导学场境信息采集模块、导学场境语义模型建立模块、场境导学规则生成模块、导学场境语义数据融合模块、场境导学资源推荐模块和场境导学执行模块，其中：
导学场境信息采集模块，用于从学习场境信息中采集导学场境原生数据，且上传至场境感知智能导学平台服务端；所述原生数据包括有学习资源知识和学习场景历史反馈数据；
导学场境语义模型建立模块，用于通过本体建模工具采用本体描述语言建立导学场境语义模型；
场境导学规则生成模块，用于采用SWRL语言将学习情景规则和知识关联关系转化为SWRL规则，应用SWRL规则设计学习知识路径及备选学习方法，由此生成场境导学规则；
导学场境语义数据融合模块，用于融合学习场境数据和导学场境知识，并基于本体存取组件，且利用本体推理引擎服务，在本体知识层进行导学场境数据知识的融合服务，完成场境数据的一致性检测和情景汇聚；
场境导学资源推荐模块，用于应用上述所生成的场境导学规则，基于学习资源服务规格、服务质量和服务价格，通过学习资源语义相关性与学习目标达成度计算，为智能导学引擎提供语义服务匹配选择与推荐服务；
场境导学执行模块，用于接收语义服务匹配选择与推荐服务，运行智能导学引擎，以提供智能导学服务；
此外，所述智能导学系统还能够根据职位能力内涵要求以及获取职位能力的关键知识路径，使用学习者场境语义本体相关度计算实现职位能力要素匹配，并使用学习者过程语义数据、学习场境语义数据、学习考核语义数据，进行职位能力成熟度评估服务。”
“6. 一种基于场境感知的智能导学系统的实现方法，其特征在于，包括如下步骤：
S10从学习场境信息中采集导学场境原生数据，且上传至场境感知智能导学平台服务端；
S20通过本体建模工具采用本体描述语言建立导学场境语义模型；
S30采用SWRL语言将学习情景规则和知识关联关系转化为SWRL规则，应用SWRL规则设计学习知识路径及备选学习方法，由此生成场境导学规则；
S40融合学习场境数据和导学场境知识，并基于本体存取组件，且利用本体推理引擎服务，在本体知识层进行导学场境数据知识的融合服务，完成场境数据的一致性检测和情景汇聚；
S50应用上述所生成的场境导学规则，基于学习资源服务规格、服务质量和服务价格，通过学习资源语义相关性与学习目标达成度计算，为智 能导学引擎提供语义服务匹配选择与推荐服务；
S60接收语义服务匹配选择与推荐服务，运行智能导学引擎，以提供智能导学服务；
所述智能导学系统的实现方法还包括，根据职位能力内涵要求以及获取职位能力的关键知识路径，使用学习者场境语义本体相关度计算实现职位能力要素匹配，并使用学习者过程语义数据、学习场境语义数据、学习考核语义数据，进行职位能力成熟度评估服务。”
经形式审查合格，国家知识产权局于2018年11月29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，复审请求人认为，权利要求1与对比文件1相比其区别在于：1. 所述原生数据包括有学习资源知识和学习场景历史反馈数据，导学场境信息采集模块，用于从学习场境信息中采集导学场境原生数据，且上传至场境感知智能导学平台服务端。2. 所述智能导学系统还能够根据职位能力内涵要求以及获取职位能力的关键知识路径，使用学习者场境语义本体相关度计算实现职位能力要素匹配，并使用学习者过程语义数据、学习场境语义数据、一学习考核语义数据，进行职位能力成熟度评估服务。对于上述区别1，该区别已经被对比文件1公开，特别地，复审请求人认为的“教师添加的知识”，也属于“学习资源知识”。对于上述区别2，为扩展功能，在系统中增加职位能力评估相关模块及相应功能，是本领域常用技术手段。因此，全部权利要求不具备创造性。因而坚持原驳回决定。
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23日向复审请求人发出复审通知书，指出：权利要求1请求保护的技术方案与对比文件1公开的内容之间存在如下区别特征：（1）权利要求1中的导学系统是基于场境感知的，包括导学场境信息采集模块、导学场境语义模型建立模块、导学场境语义数据融合模块；其中，导学场境信息采集模块，用于从学习场境信息中采集导学场境原生数据，且上传至场境感知智能导学平台服务端；导学场境语义模型建立模块，用于通过本体建模工具采用本体描述语言建立导学场境语义模型、导学场境语义数据融合模块，用于融合学习场境数据和导学场境知识，并基于本体存取组件，且利用本体推理引擎服务，在本体知识层进行导学场境数据知识的融合服务，完成场境数据的一致性检测和情景汇聚；（2）权利要求1中包括场境导学规则生成模块，用于采用SWRL语言将学习情景规则和知识关联关系转化为SWRL规则，应用SWRL规则设计和生成场境导学规则；场境导学资源推荐模块，用于应用上述所生成的场境导学规则，基于学习资源服务规格、服务质量和服务价格，通过学习资源语义相关性与学习目标达成度计算，为智能导学引擎提供语义服务匹配选择与推荐服务；（3）所述智能导学系统还能够根据职位能力内涵要求以及获取职位能力的关键知识路径，使用学习者场境语义本体相关度计算实现职位能力要素匹配，并使用学习者过程语义数据、学习场境语义数据、学习考核语义数据，进行职位能力成熟度评估服务。基于以上区别特征可以确定权利要求1实际解决的技术问题是：如何基于场境信息进行个性化导学服务。但是上述区别特征（1）部分被对比文件2公开公开，部分是本领域的惯用技术手段，区别特征（2）部分被对比文件3公开，部分是本领域技术人员容易想到的，区别特征（3）是本领域针对相应职业能力提升学习的惯用技术手段。因此，权利要求1不具备创造性。权利要求2-5为从属权利要求，其附加技术特征均属于本领域常用技术手段，因此，当其引用的权利要求不具备创造性时，权利要求2-5也不具备创造性。权利要求6-10是和权利要求1-5对应的方法权利要求，基于和权利要求1-5同样的理由，权利要求6-10也不具备创造性。
复审请求人于2019年06月05日提交了意见陈述书，并修改了权利要求书，向权利要求1中增加了特征“所述导学场境信息采集模块通过智能导学系统采集、变换和生成导学场境语义数据”以及原权利要求2的附加技术特征“所述导学场境信息采集模块包括导学场境信息采集单元和导学场境信息转化单元，其中：导学场境信息采集单元，用于通过导学平台服务器与学习终端所布署的学习场境信息中抽取Agent定期或以事件响应方式采集导学场境原生数据；导学场境信息转化单元，用于将所采集的导学场境原生数据转化为以对象模型表示的统一格式的导学场境标识数据”，并删除了原权利要求2，向原权利要求6中补入了原从属权利要求7的特征，并修改权利要求的引用关系。
复审请求人认为：修改后的权利要求1与对比文件1相比的区别技术特征为：（1） 所述导学场境信息采集模块通过智能导学系统采集、变换和生成导学场境语义数据；（2）导学场境信息采集单元，用于通过导学平台服务器与学习终端所布署的学习场境信息中抽取Agent定期或以事件响应方式采集导学场境原生数据；（3）导学场境信息转化单元，用于将所采集的导学场境原生数据转化为以对象模型表示的统一格式的导学场境标识数据。
针对上述区别技术特征（1）：修改后的权利要求1中，导学场境信息采集模块通过智能导学系统采集、变换和生成导学场境语义数据。在权利要求1中，获取导学场境语义数据是需要经过采集和转换过程的。而对比文件1中所有的知识点之间的关联数据均是通过教师添加形成的。而在对比文件2的具体应用领域时传感数据采集领域，这与权利要求1所述的教学技术领域不同，二者所采集的原生数据不同，所实现的技术目的也不同。
针对上述区别技术特征（2）-（3），修改后的权利要求1中，导学场境信息采集模块包括导学场境信息采集单元和导学场境信息转化单元。在修改后的权利要求1中，导学场境信息采集模块是以抽取的方式采集数据后进行转化。而在对比文件1中，是教师将知识点相关的数据进行添加后，形成知识域，在个体学习之后进行数据保存后形成个性化的知识域，这和权利要求1中的将所获取的数据进行转化不同，并且本申请中根据SWRL规则来设计学习知识路径及备选学习方法，进而形成导学规则。因此，权利要求1与对比文件1不同，且对比文件2和对比文件3也没有公开导学规则。而在对比文件1公开的技术内容基础上，本领域技术人员只能通过用户自己对所需要的数据进行提取，而不会想到“通过导学平台服务器与学习终端所布署的学习场境信息中抽取Agent定期或以事件响应方式采集导学场境原生数据”，且对比文件2、3也没有公开。
因此，权利要求1具备创造性。
复审请求人新提交的权利要求书如下：
“1. 一种基于场境感知的智能导学系统，其特征在于，包括导学场境信息采集模块、导学场境语义模型建立模块、场境导学规则生成模块、导学场境语义数据融合模块、场境导学资源推荐模块和场境导学执行模块，其中：
导学场境信息采集模块，用于从学习场境信息中采集导学场境原生数据，且上传至场境感知智能导学平台服务端；所述原生数据包括有学习资源知识和学习场景历史反馈数据；所述导学场境信息采集模块通过智能导学系统采集、变换和生成导学场境语义数据；
所述导学场境信息采集模块包括导学场境信息采集单元和导学场境信息转化单元，其中：
导学场境信息采集单元，用于通过导学平台服务器与学习终端所布署的学习场境信息中抽取Agent定期或以事件响应方式采集导学场境原生数据；
导学场境信息转化单元，用于将所采集的导学场境原生数据转化为以对象模型表示的统一格式的导学场境标识数据；
导学场境语义模型建立模块，用于通过本体建模工具采用本体描述语言建立导学场境语义模型；
场境导学规则生成模块，用于采用SWRL语言将学习情景规则和知识关联关系转化为SWRL规则，应用SWRL规则设计学习知识路径及备选学习方法，由此生成场境导学规则；
导学场境语义数据融合模块，用于融合学习场境数据和导学场境知识，并基于本体存取组件，且利用本体推理引擎服务，在本体知识层进行导学场境数据知识的融合服务，完成场境数据的一致性检测和情景汇聚；
场境导学资源推荐模块，用于应用上述所生成的场境导学规则，基于学习资源服务规格、服务质量和服务价格，通过学习资源语义相关性与学习目标达成度计算，为智能导学引擎提供语义服务匹配选择与推荐服务；
场境导学执行模块，用于接收语义服务匹配选择与推荐服务，运行智能导学引擎，以提供智能导学服务；
此外，所述智能导学系统还能够根据职位能力内涵要求以及获取职位能力的关键知识路径，使用学习者场境语义本体相关度计算实现职位能力要素匹配，并使用学习者过程语义数据、学习场境语义数据、学习考核语义数据，进行职位能力成熟度评估服务。
2. 如权利要求1所述的基于场境感知的智能导学系统，其特征在于，所述场境导学规则生成模块包括预处理单元和场境导学规则生成单无，其中：
预处理单元，用于对导学场境原生数据中场境标识数据进行导学场境主动分类识别和导学场境语义数据的结构表示，对导学场境原生数据进行预处理，生成学习场境数据；
场境导学规则生成单元，用于通过导学场境原生数据在导学场境语义模型中的计器学习，生成场境导学规则。
3. 如权利要求1所述的基于场境感知的智能导学系统，其特征在于，还包括场境导学情境反馈模块，所述场境导学情境反馈模块，用于在场境导学执行模块执行期间，定制智能导学各阶段的语义感知的反馈数据，为下一阶段智能导学提供语义反馈数据。
4. 如权利要求1-3任一项所述的基于场境感知的智能导学系统，其特征在于，还包括场境数据查询模块，所述场境数据查询模块，用于与本体知识查询引擎连接，以提供场境数据查询服务。
5. 一种基于场境感知的智能导学系统的实现方法，其特征在于，包括如下步骤：
S10从学习场境信息中采集导学场境原生数据，且上传至场境感知智能导学平台服务端；
S20通过本体建模工具采用本体描述语言建立导学场境语义模型；
S30采用SWRL语言将学习情景规则和知识关联关系转化为SWRL规则，应用SWRL规则设计学习知识路径及备选学习方法，由此生成场境导学规则；
S40融合学习场境数据和导学场境知识，并基于本体存取组件，且利用本体推理引擎服务，在本体知识层进行导学场境数据知识的融合服务，完成场境数据的一致性检测和情景汇聚；
S50应用上述所生成的场境导学规则，基于学习资源服务规格、服务质量和服务价格，通过学习资源语义相关性与学习目标达成度计算，为智能导学引擎提供语义服务匹配选择与推荐服务；
S60接收语义服务匹配选择与推荐服务，运行智能导学引擎，以提供智能导学服务；
所述智能导学系统的实现方法还包括，根据职位能力内涵要求以及获取职位能力的关键知识路径，使用学习者场境语义本体相关度计算实现职位能力要素匹配，并使用学习者过程语义数据、学习场境语义数据、学习考核语义数据，进行职位能力成熟度评估服务；
所述S10步骤包括：
S101通过导学平台服务器与学习终端所布署的学习场境信息中抽取Agent定期或以事件响应方式采集导学场境原生数据；
S102将所采集的导学场境原生数据转化为以对象模型表示的统一格式的导学场境标识数据。
6. 如权利要求5所述的基于场境感知的智能导学系统的实现方法，其特征在于，所述S30步骤包括：
S301对导学场境原生数据中场境标识数据进行导学场境主动分类识别和导学场境语义数据的结构表示，对导学场境原生数据进行预处理，生成学习场境数据；
S302通过导学场境原生数据在导学场境语义模型中的计器学习，生成场境导学规则。
7. 如权利要求5所述的基于场境感知的智能导学系统的实现方法，其特征在于，还包括：
S70在场境导学执行模块执行期间，定制智能导学各阶段的语义感知的反馈数据，为下一阶段智能导学提供语义反馈数据。
8. 如权利要求5-7任一项所述的基于场境感知的智能导学系统的实现方法，其特征在于，在所述S40之后还包括：
S80与本体知识查询引擎连接，以提供场境数据查询服务。”
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
（一）审查文本的认定
复审请求人在2019年06月05日提交复审无效程序意见陈述书时提交了新的权利要求书，经审查，该修改符合专利法第33条和专利法实施细则第61条第1款的规定。
本复审请求审查决定所依据的审查文本为：申请日2017年08月29日提交的说明书第1-92段、说明书附图图1-10、说明书摘要、摘要附图，2019年06月05日提交的权利要求第1-8项。
（二）具体理由的阐述
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。
若一项权利要求所要求保护的技术方案相对于最接近的现有技术存在区别技术特征，但该区别技术特征部分被其他对比文件公开，另一部分属于相关技术领域的惯用技术手段，且现有技术已经给出了相应的技术启示令本领域技术人员有动机将相关技术手段应用于最接近的现有技术中以解决相应的技术问题，并获得该权利要求所要求保护的技术方案，而该区别技术特征的引入未给该权利要求带来预料不到的技术效果，则该权利要求不具备创造性。
本复审决定所引用的对比文件和驳回决定以及复审通知书中所用的对比文件相同，具体为：
对比文件1：CN 101105853A，公开日：2008年01月16日；
对比文件2：CN 103258027A，公开日：2013年08月21日；
对比文件3：CN 101382950A，公开日：2009年03月11日。
其中，权利要求1为最接近的对比文件。
1、权利要求1不符合专利法第22条第3款的规定
权利要求1请求保护一种场境感知的智能导学系统，对比文件1公开了一种网络教学中基于非零起点的个性化导学系统，并具体公开了如下技术特征（参见说明书第2页第2段至第3页第3段，附图1-3，权利要求1）：该系统包括初始知识域建构模块、个性化的知识域生成模块、个性化的学习路径生成模块、历史学习记录模块、知识结构水平评估模块、个性化学习资源推荐模块。个性化的知识域生成模块为学习者提供个性化的知识域，在个性化的知识域上可以直接选择相关的学习资源进行学习，其学习记录和学习效果会由历史学习记录模块保存到历史记录数据库中（相当于原生数据还包括学习场景历史反馈数据），学习者也可以在个性化的知识域上选择目标知识点进行学习；初始知识域建构模块中，当教师在教学过程中不断添加基于建立的知识结构体系的学习资源（相当于所述原生数据包括学习资源知识）时，初始知识结构会不断扩展。个性化的知识域生成模块中，个性化的知识域是在学习者对初始知识域上的某些学习资源进行了相关的学习活动后，其相关的知识点状态已经改变了之后生成的知识域。其中，所述个性化的学习路径生成模块在学习者选择目标知识点进行学习时，将生成个性化的学习路径，学习者可以在系统推荐的学习路径上学习（相当于设计学习知识路径及备选学习方法，由此生成导学规则），其学习记录与学习效果由历史学习记录模块保存到历史记录数据库中；所述学习资源推荐模块根据历史学习记录模块的历史纪录和知识结构水平评估模块对学习者知识结构水平的评估，分析学习者已经学习过的学习资源的学习状态，推荐相应的学习资源（相当于导学资源推荐以及导学执行，运行智能导学引擎，以提供智能导学服务）。
由此可见，权利要求1请求保护的技术方案与对比文件1公开的内容之间存在如下区别特征：（1）权利要求1中的导学系统是基于场境感知的，包括导学场境信息采集模块、导学场境语义模型建立模块、导学场境语义数据融合模块；其中，导学场境信息采集模块，用于从学习场境信息中采集导学场境原生数据，且上传至场境感知智能导学平台服务端；所述导学场境信息采集模块包括导学场境信息采集单元和导学场境信息转化单元，其中：导学场境信息采集单元，用于通过导学平台服务器与学习终端所布署的学习场境信息中抽取Agent定期或以事件响应方式采集导学场境原生数据；导学场境信息转化单元，用于将所采集的导学场境原生数据转化为以对象模型表示的统一格式的导学场境标识数据；导学场境语义模型建立模块，用于通过本体建模工具采用本体描述语言建立导学场境语义模型、导学场境语义数据融合模块，用于融合学习场境数据和导学场境知识，并基于本体存取组件，且利用本体推理引擎服务，在本体知识层进行导学场境数据知识的融合服务，完成场境数据的一致性检测和情景汇聚；所述导学场境信息采集模块通过智能导学系统采集、变换和生成导学场境语义数据；（2）权利要求1中包括场境导学规则生成模块，用于采用SWRL语言将学习情景规则和知识关联关系转化为SWRL规则，应用SWRL规则设计和生成场境导学规则；场境导学资源推荐模块，用于应用上述所生成的场境导学规则，基于学习资源服务规格、服务质量和服务价格，通过学习资源语义相关性与学习目标达成度计算，为智能导学引擎提供语义服务匹配选择与推荐服务；（3）所述智能导学系统还能够根据职位能力内涵要求以及获取职位能力的关键知识路径，使用学习者场境语义本体相关度计算实现职位能力要素匹配，并使用学习者过程语义数据、学习场境语义数据、学习考核语义数据，进行职位能力成熟度评估服务。基于以上区别特征可以确定权利要求1实际解决的技术问题是：如何基于场境信息进行个性化导学服务。
针对上述区别特征（1），对比文件2公开了一种基于智能终端的情境感知服务平台，并具体公开了如下特征（参见说明书第[0012]-[0019]段）：从终端的信息捕获到云端的信息服务依次是感知层，预处理层，情境资源管理层，服务层，平台接入层；感知层主要负责传感信息的采集，在本情境感知服务平台上，采用智能代理的机制完成传感信息的动态捕获与传输。感知层包括信息采集单元，缓存单元和数据传输单元（相当于场境信息采集模块，用于从场境信息中采集场境原生数据，且上传至场境感知智能导学平台服务端）；情境资源管理层利用情境建模推理分析用户所处情境，包括情境学习机，筛选更新模块，分类索引以及情境本体，情境资源管理层负责情境信息的分类汇总，信息传至管理层时，情境学习机学习该情境是否需要重新进行本体建模（相当于场境语义模型建立模块，用于通过本体建模工具采用本体描述语言建立场境语义模型）；上述特征在对比文件2中所起的作用与其在本申请中所起的作用相同，均是实现场境信息采集和场境建模；因此，对比文件2给出了将上述特征应用于对比文件1的技术启示；此外，当将该情境感知服务平台，在建立了相关场境语义模型后，利用所述场境语义模型进行相关资源的融合、匹配选择和推荐，属于本领域中常见的应用方式，采用定时抽取信息或者以事件响应来作为采集数据的方式是本领域的惯用技术手段，将采集的数据进行格式的统一以便于后续处理也是本领域的惯用技术手段，并且通过整个系统集成信息数据的采集、变换和生成从而完成系统的集成功能也是本领域的惯用技术手段。
针对上述区别特征（2），对比文件3公开了一种基于SWRL规则进行本体关联的方法，并具体公开了如下技术特征（参见说明书第1页最后一段到第2页第2段）：通过SWRL规则去关联不同的本体，实现异构本体间的通信，从而从不同的角度去解决本体的重用问题；SWRL规则的建立，是基于语义的，并可以通过集合论的方式来解释；由此可见，对比文件3给出了利用SWRL语言建立SWRL规则的技术启示；而将利用所述SWRL规则设计方法应用于互联网教学时，针对导学应用建立相关的场境导学规则，并基于所述规则进行匹配选择与推荐，是本领域技术人员容易想到，且容易实现的。
针对上述区别特征（3），为了更多地使互联网教学适合成人的岗位能力提升和职业能力提升，根据相应的职业需求，在系统中增加相应的模块，来匹配合适的学习资源，并且根据当前系统进行本体相关度计算、使用语义数据进行能力评估，都是本领域针对相应职业能力提升学习的惯用技术手段。
综上可知，在对比文件1的基础上结合对比文件2和对比文件3以及本领域常用技术手段，得到的权利要求1请求保护的技术方案是显而易见的，权利要求1不具有突出的实质性特点和显著的进步，不符合专利法第22条第3款的规定。
2、权利要求2不符合专利法第22条第3款的规定
权利要求2中的“计器学习”为明显笔误，应为“机器学习”（合议组在复审通知书中已指明该笔误），以下合议组均将该特征认定为“机器学习”进行评述。
权利要求2是对权利要求1的进一步限定，然而对比文件2公开了包括预处理层，负责情境信息的预处理（相当于预处理单元，用于对原生数据进行预处理，生成场境数据），预处理层包括智能推理单元和规则库，规则库分为静态和动态，动态规则库推理引擎在不断的信息推理中获得新的推理结论或规则（相当于规则生成单元，用于通过原生数据进行机器学习，生成规则），并且对比文件2还公开了整个平台采用了本体建模（相当于采用了语义模型），虽然对比文件2没有公开上述过程用于导学场境以及将数据进行分类和结构表示，然而，将对比文件2的内容结合到对比文件1时，其所应用的环境是导学环境，所采集的数据和所应用的场景即为导学场境数据和相应的导学场境；并且，将数据进行分类识别以及相应的数据结构的表示，也是本领域的惯用技术手段。因此，在其引用的权利要求不具备创造性的情况下，该权利要求也不具有突出的实质性特点和显著的进步，不符合专利法第22条第3款的规定。
3、权利要求3不符合专利法第22条第3款的规定
权利要求3是对权利要求1的进一步限定，然而本领域技术人员知晓，采用反馈的方式来不断改进系统是本领域的惯用技术手段，因此，在其引用的权利要求不具备创造性的情况下，该权利要求也不具有突出的实质性特点和显著的进步，不符合专利法第22条第3款的规定。
4、权利要求4不符合专利法第22条第3款的规定
权利要求4对权利要求1-3中任一项做了进一步限定，然而本领域技术人员知晓，向用户提供数据查询服务（即场境数据查询模块及其功能）是本领域的惯用技术手段，因此，在其引用的权利要求不具备创造性的情况下，该权利要求也不具有突出的实质性特点和显著的进步，不符合专利法第22条第3款的规定。
5、权利要求5不符合专利法第22条第3款的规定
权利要求5请求保护一种基于场境感知的智能导学系统的实现方法，对比文件1公开了一种网络教学中基于非零起点的个性化导学系统，具体公开的内容参见对权利要求1的评述。
由此可见，权利要求5请求保护的技术方案与对比文件1公开的内容之间存在如下区别特征：（1）权利要求5中的导学系统是基于场境感知的，从学习场境信息中采集导学场境原生数据，且上传至场境感知智能导学平台服务端；通过导学平台服务器与学习终端所布署的学习场境信息中抽取Agent定期或以事件响应方式采集导学场境原生数据；将所采集的导学场境原生数据转化为以对象模型表示的统一格式的导学场境标识数据；通过本体建模工具采用本体描述语言建立导学场境语义模型；融合学习场境数据和导学场境知识，并基于本体存取组件，且利用本体推理引擎服务，在本体知识层进行导学场境数据知识的融合服务，完成场境数据的一致性检测和情景汇聚；（2）采用SWRL语言将学习情景规则和知识关联关系转化为SWRL规则，应用SWRL规则设计和生成场境导学规则；应用上述所生成的场境导学规则，基于学习资源服务规格、服务质量和服务价格，通过学习资源语义相关性与学习目标达成度计算，为智能导学引擎提供语义服务匹配选择与推荐服务；（3）所述智能导学系统的实现方法还包括，根据职位能力内涵要求以及获取职位能力的关键知识路径，使用学习者场境语义本体相关度计算实现职位能力要素匹配，并使用学习者过程语义数据、学习场境语义数据、学习考核语义数据，进行职位能力成熟度评估服务。基于以上区别特征可以确定权利要求5实际解决的技术问题是：如何基于场境信息进行个性化导学服务。
针对上述区别特征（1），对比文件2公开了一种基于智能终端的情境感知服务平台，并具体公开了如下特征（参见说明书第[0012]-[0019]段）：从终端的信息捕获到云端的信息服务依次是感知层，预处理层，情境资源管理层，服务层，平台接入层；感知层主要负责传感信息的采集，在本情境感知服务平台上，采用智能代理的机制完成传感信息的动态捕获与传输。感知层包括信息采集单元，缓存单元和数据传输单元（相当于从场境信息中采集场境原生数据，且上传至场境感知智能导学平台服务端）；情境资源管理层利用情境建模推理分析用户所处情境，包括情境学习机，筛选更新模块，分类索引以及情境本体，情境资源管理层负责情境信息的分类汇总，信息传至管理层时，情境学习机学习该情境是否需要重新进行本体建模（相当于通过本体建模工具采用本体描述语言建立场境语义模型）；上述特征在对比文件2中所起的作用与其在本申请中所起的作用相同，均是实现场境信息采集和场境建模；因此，对比文件2给出了将上述特征应用于对比文件1的技术启示；此外，当将该情境感知服务平台，在建立了相关场境语义模型后，利用所述场境语义模型进行相关资源的融合、匹配选择和推荐，属于本领域中常见的应用方式，采用定时抽取信息或者以事件响应来作为采集数据的方式是本领域的惯用技术手段，将采集的数据进行格式的统一以便于后续处理也是本领域的惯用技术手段。
针对上述区别特征（2），对比文件3公开了一种基于SWRL规则进行本体关联的方法，并具体公开了如下技术特征（参见说明书第1页最后一段到第2页第2段）：通过SWRL规则去关联不同的本体，实现异构本体间的通信，从而从不同的角度去解决本体的重用问题；SWRL规则的建立，是基于语义的，并可以通过集合论的方式来解释；由此可见，对比文件3给出了利用SWRL语言建立SWRL规则的技术启示；而将利用所述SWRL规则设计方法应用于互联网教学时，针对导学应用建立相关的场境导学规则，并基于所述规则进行匹配选择与推荐，是本领域技术人员容易想到，且容易实现的。
对于上述区别特征（3），为了更多地使互联网教学适合成人的岗位能力提升和职业能力提升，根据相应的职业需求，在系统中增加相应的模块，来匹配合适的学习资源，并且根据当前系统进行本体相关度计算、使用语义数据进行能力评估，都是本领域针对相应职业能力提升学习的惯用技术手段。
综上可知，在对比文件1的基础上结合对比文件2和对比文件3以及本领域常用技术手段，得到的权利要求5请求保护的技术方案是显而易见的，权利要求5不具有突出的实质性特点和显著的进步，不符合专利法第22条第3款的规定。
6、权利要求6-8不符合专利法第22条第3款的规定
权利要求6-8的附加技术特征和权利要求2-4的附加技术特征相对应，基于和权利要求2-4相同的理由，在其引用的权利要求不具备创造性的情况下，上述权利要求也不具备创造性，不符合专利法第22条第3款的规定。
（三）对复审请求人相关意见的评述
对于复审请求人的意见，合议组认为：
对于复审请求人进行争辩的第（1）个区别，对比文件2中公开了其实现的是一种基于智能终端的情境感知平台，其并不是简单的用于传感数据的采集，而是将这样的感知平台所采集的数据用于实时感知终端用户个性化需求，为可信的第三方软件提供用户接口，也就是说对比文件2的平台可以用于那些需要进行情境感知从而实现个性化需求的软件，而在线教育恰恰正是需要情境感知的一种场景，将对比文件2的技术方案应用于对比文件1中从而使得对比文件1的个性化导学系统进一步能够通过采集用户数据实现个性化体验和定制，对本领域技术人员来说是显而易见的。
对于复审请求人进行争辩的第（2）和（3）个区别，采集数据并不是仅在对比文件1的基础上实现的，本领域技术人员在对比文件1的基础上需要对个性化导学系统进行进一步改进，能够通过采集用户数据实现个性化体验和定制，在对比文件2的启示下，采用情境感知的平台采集数据和信息，从而用于导学系统中，对本领域技术人员来说是显而易见的。而在对比文件2已经公开了要采集数据的情况下，如何采集数据属于现有技术，其中通过定期抽取或者事件响应来采集数据的手段是本领域的惯用技术手段，而采集来的数据具有多种不同的格式，为了方便后续的统一处理，将数据转换为统一格式也是公知的。至于复审请求人所提到的导学规则的形成，虽然对比文件1中的导学规则和本申请不同，但是，对比文件3给出了利用SWRL语言建立SWRL规则的技术启示，那么本领域技术人员在对比文件3的基础上很容易想到，同样可以将这种规则的建立应用于导学系统的规则设置，而将利用所述SWRL规则设计方法应用于互联网教学时，针对导学应用建立相关的场境导学规则，并基于所述规则进行匹配选择与推荐，是本领域技术人员容易想到，且容易实现的。
综上，复审请求人的意见不能被接受，合议组仍然认为所有的权利要求均不具备创造性。
至此，合议组依法作出如下审查决定。
三、决定
维持国家知识产权局于2018年09月25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。
