发明创造名称：基于期望最大确定统计模型参数的方法和装置
外观设计名称：
决定号：196579
决定日：2019-12-03
委内编号：1F270522
优先权日：
申请（专利）号：201410040503.1
申请日：2014-01-27
复审请求人：华为技术有限公司
无效请求人：
授权公告日：
审定公告日：
专利权人：
主审员：崔丽艳
合议组组长：甘文珍
参审员：邓茜
国际分类号：G06F17/18
外观设计分类号：
法律依据：专利法第2条第2款
决定要点
：权利要求中记载了某些参数的含义并不意味着其必然与某一特定的应用领域相结合。如果一项权利要求所要求保护的方案没有解决任何具体的技术问题，所述方案未采用遵循自然规律的技术手段，并且未获得符合自然规律的技术效果，则该方案不构成技术方案，不属于专利法第2条第2款规定的保护客体。
全文：
本复审请求涉及申请号为201410040503.1，名称为“基于期望最大确定统计模型参数的方法和装置”的发明专利申请（下称本申请）。申请人为华为技术有限公司。本申请的申请日为2014年01月27日，公开日为2015年07月29日。
经实质审查，国家知识产权局原审查部门于2018年09月20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2条第2款的规定。驳回决定认为，权利要求1-5请求保护的方案解决的问题是如何降低在期望最大方法中确定参数时的迭代成本及时间成本，并非特定领域的技术问题，其手段仅为一种数据统计中确定参数的迭代计算手段，并非是符合自然规律的技术手段，获得的效果也仅是在通用的期望最大方法中降低迭代次数和时间的效果，并非技术效果，因此权利要求1-5不构成技术方案，不符合专利法第2条第2款的规定。基于类似的理由，权利要求6-10也不符合专利法第2条第2款的规定。驳回决定所依据的文本为：申请日2014年01月27日提交的说明书第1-183段，说明书附图图1-4，说明书摘要，摘要附图，2018年04月10日提交的权利要求第1-10项。驳回决定所针对的权利要求书如下：
“1. 一种确定统计模型参数的方法，用于基于N个数据点确定统计模型的参数，其中N为大于或等于2的整数，其特征在于，包括：
接收包括N个数据点以及N个数据点的D个属性的数据集以组织成输入矩阵，其中D为大于或等于1的整数；
根据所述输入矩阵，设定K个聚类中心、所述参数的初始值以及后验概率矩阵μN×K(μn,k)的初始值其中，后验概率μn,k表示第n个数据点在第k个聚类中心上的后验概率，其中K为大于或等于2的整数，1≤n≤N，1≤k≤K，以及根据以及所述参数的初始值计算
基于计算得到第t次循环的所述参数，并计算所述N个数据点在所述K个聚类中心的残差其中t≥1；
基于所述N个数据点在所述K个聚类中心的残差从所述N个数据点中选出M个数据点，并从所述K个聚类中心选出L个聚类中心，其中1≤M≤N、1≤L≤K；
根据第t次循环计算得到的所述参数计算所述M个数据点在所述L个聚类中心上的后验概率
根据所计算出的所述后验概率更新所述N个数据点在所述K个聚类中心上的后验概率矩阵并基于计算出的所述后验概率更新第t 1次循环的所述参数的值；
判断第t 1次循环的所述参数是否收敛，在所述参数为收敛时，停止循环并输出所述参数，
其中，所述基于所述N个数据点在所述K个聚类中心的残差从所述N个数据点中选出M个数据点，并从所述K个聚类中心选出L个聚类中心，包括：
计算每个所述数据点的残差并从所述N个数据点中选出残差rtn最大的M个数据点；
根据各数据点在各所述聚类中心的残差针对所述M个数据点中的每个数据点，分别从所述K个聚类中心中选出残差最大的L个聚类中心，
其中，N为用户数量，每个用户包括D个属性，具有所述参数的统计模型用于对用户进行聚类，以确定每一类用户的消费习惯。
2. 根据权利要求1所述的方法，其特征在于，所述基于所述N个数据点在所述K个聚类中心的残差从所述N个数据点中选出M个数据点，并从所述K个聚类中心选出L个聚类中心，包括：
计算每个所述数据点的残差并从所述K个聚类中心中选出残差最大的L个聚类中心；
根据各数据点在各所述聚类中心的残差针对所述K个聚类中心的每个聚类中心，分别从所述N个数据点中选出残差最大的M个数据点。
3. 根据权利要求1或2所述的方法，其特征在于，在所述接收包括N个数据点以及N个数据点的D个属性的数据集以组织成输入矩阵之后，还包括：
设定比例因子λn和λk，其中0<><>
根据所述比例因子λn和λk计算所述M和所述L的值，其中，M＝λnN，L＝λkK。
4. 根据权利要求1或2所述的方法，其特征在于，判断第t 1次循环的所述参数的值是否收敛，包括：
计算在第t 1次循环计算得到的所述参数与在第t次循环计算得到的所述参数之间的差；
判断所述差的绝对值是否超出预设的阈值；
若所有所述差的绝对值都小于所述预设的阈值，则确定所述第t 1次循环的所述参数收敛；
若任一所述差的绝对值不小于所述预设的阈值，则确定所述第t 1次循环的所述参数不收敛。
5. 根据权利要求3所述的方法，其特征在于，判断第t 1次循环的所述参数的值是否收敛，包括：
计算在第t 1次循环计算得到的所述参数与在第t次循环计算得到的所述参数之间的差；
判断所述差的绝对值是否超出预设的阈值；
若所有所述差的绝对值都小于所述预设的阈值，则确定所述第t 1次循环的所述参数收敛；
若任一所述差的绝对值不小于所述预设的阈值，则确定所述第t 1次循环的所述参数不收敛。
6. 一种确定统计模型参数的装置，用于基于N个数据点确定统计模型的参数，其中N为大于或等于2的整数，其特征在于，包括：
输入模块，用于接收包括N个数据点以及N个数据点的D个属性的数据集以组织成输入矩阵，其中D为大于或等于1的整数；
初始化模块，与所述输入模块相通信，用于根据所述输入矩阵，设定K个聚类中心、所述参数的初始值以及后验概率矩阵μN×K(μn,k)的初始值 其中，后验概率μn,k表示第n个数据点在第k个聚类中心上的后验概率，其中K为大于或等于2的整数，1≤n≤N，1≤k≤K，以及根据以及所述参数的初始值计算
残差计算模块，与所述初始化模块相通信，用于基于计算得到第t次循环的所述参数，并计算所述N个数据点在所述K个聚类中心的残差其中t≥1；
选择模块，与所述残差计算模块相通信，用于基于所述N个数据点在所述K个聚类中心的残差从所述N个数据点中选出M个数据点，并从所述K个聚类中心选出L个聚类中心，其中1≤M≤N、1≤L≤K；
后验概率计算模块，与所述选择模块相通信，用于根据第t次循环计算得到的所述参数计算所述M个数据点在所述L个聚类中心上的后验概率
概率矩阵更新模块，与所述后验概率计算模块以及所述残差计算模块相通信，用于根据所计算出的所述后验概率更新所述N个数据点在所述K个聚类中心上的后验概率矩阵
参数值计算模块，与所述概率矩阵更新模块相通信，用于基于计算出的所述后验概率更新第t 1次循环的所述参数的值；以及
判断模块，与所述残差计算模块以及所述参数值计算模块相通信，用于判断第t 1次循环的所述参数是否收敛，在所述参数为收敛时，停止循环并输出所述参数，
其中，所述选择模块被配置为：
计算每个所述数据点的残差并从所述N个数据点中选出残差rtn最大的M个数据点；
根据各数据点在各所述聚类中心的残差针对所述M个数据点中的每个数据点，分别从所述K个聚类中心中选出残差最大的L个聚类中心，
其中，N为用户数量，每个用户包括D个属性，具有所述参数的统计模 型用于对用户进行聚类，以确定每一类用户的消费习惯。
7. 根据权利要求6所述的装置，其特征在于，所述选择模块被配置为：
计算每个所述数据点的残差并从所述K个聚类中心中选出残差最大的L个聚类中心；
根据各数据点在各所述聚类中心的残差针对所述K个聚类中心的每个聚类中心，分别从所述N个数据点中选出残差最大的M个数据点。
8. 根据权利要求6或7所述的装置，其特征在于，所述初始化模块被配置为，设定比例因子λn和λk，其中0<><>
9. 根据权利要求6或7所述的装置，其特征在于，所述判断模块被配置为：
计算在第t 1次循环计算得到的所述参数与在第t次循环计算得到的所述参数之间的差；
判断所述差的绝对值是否超出预设的阈值；
若所有所述差的绝对值都小于所述预设的阈值，则确定所述第t 1次循环的所述参数收敛；
若任一所述差的绝对值不小于所述预设的阈值，则确定所述第t 1次循环的所述参数不收敛。
10. 根据权利要求8所述的装置，其特征在于，所述判断模块被配置为：
计算在第t 1次循环计算得到的所述参数与在第t次循环计算得到的所述参数之间的差；
判断所述差的绝对值是否超出预设的阈值；
若所有所述差的绝对值都小于所述预设的阈值，则确定所述第t 1次循环的所述参数收敛；
若任一所述差的绝对值不小于所述预设的阈值，则确定所述第t 1次循环的所述参数不收敛。”
申请人（下称复审请求人）对上述驳回决定不服，于2019年01月07日向国家知识产权局提出了复审请求，没有修改申请文件。复审请求人认为权利要求1的方案包括：（1）数据建模过程，（2）聚类处理，以确定每一类用户的消费习惯。上述方案应用于特定的应用场景，即：通过从消费者数据库中区分出不同的消费群体，来得到每一类消费者的消费模式或者消费习惯。上述技术方案是利用自然规律所得到的，具体来说，对于如何区分出不同的消费群体，是采用了一种机器学习算法“EM算法”。通过EM算法以数据训练集进行建模来得到“含有隐变量的”概率模型参数，根据所确定的模型参数对用户进行聚类，从而达到“根据聚类结果确定出每一类用户的消费习惯”的技术效果，聚类是针对特定应用场景，解决相似属性的用户聚类处理，并不是数学统计意义上通用的处理。EM算法和聚类处理是相互关联且共同作用，才可以来解决快速从消费者数据库中区分出不同的消费群体以确定每一类消费者的消费模式或消费习惯的技术问题。所达到的技术效果为从消费者数据库中快速区分出不同的消费群体，来得到每一类消费者的消费模式或者消费习惯。因此权利要求1及其从属权利要求2-5以及对应的装置权利要求6-10都构成专利法第2条第2款规定的技术方案。
经形式审查合格，国家知识产权局于2019年01月11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权利要求没有体现与具体的领域的结合，只是采用了数据统计中通用的计算手段，并未反映出该手段如何在具体领域中适用，没有解决特定领域中的技术问题；本申请的权利要求请求保护的内容没有反映出与具体的领域相结合的时候需要处理何种具体的参数等，即使权利要求中记载有“N为用户数量，每个用户包括D个属性，具有所述参数的统计模型用于对用户进行聚类，以确定每一类用户的消费习惯”试图限定领域，但整个权利要求并没有具体描述在此场景下如何实施该方法，尤其没有体现出在应用其进行聚类确定消费习惯时哪些步骤需要使用以及如何使用该方法，也没有体现出该方法所能获得的具体意义，从而解决确定消费习惯的具体问题，达到相应的技术效果。因此本申请仍然不属于专利法第2条第2款规定的保护客体。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06月18日向复审请求人发出复审通知书，指出权利要求1-10不符合专利法第2条第2款的规定。合议组认为：虽然权利要求1提到了具有参数的统计模型用于对用户进行聚类，以确定每一类用户的消费习惯，但是权利要求1中各个步骤的参数并不具备特定的含义，并未体现与用户消费习惯这一领域的具体结合，因此当前权利要求1并未结合任何的具体应用领域，因而未能解决具体应用领域中的特定技术问题。即使根据说明书的记载将步骤中各个参数的含义补入到权利要求中，权利要求1的方案所解决的问题仍是对消费者进行分类，从而使得销售人员更方便地进行营销，该问题并不是技术问题；所获得的是一种用户分类结果，也并非技术效果；其所采用的手段是EM算法和聚类处理，该手段通过设定的数学计算规则来进行统计分析，其方案整体上是一种算法本身的改进，未采用符合自然规律的技术手段。因此该方案并非是为了解决特定应用领域的具体技术问题、采用了符合自然规律的技术手段、并获得相应技术效果的技术方案。
复审请求人于2019年08月02日提交了意见陈述书，并提交了修改后的权利要求书。其中将权利要求2的附加技术特征补入权利要求1中形成新的权利要求1，将权利要求7补入到权利要求6中，并修改了新的引用关系，对权利要求书进行重新编号。
复审请求人认为修改后的权利要求1符合专利法第2条第2款的规定，修改后的权利要求解决了“从消费者数据库中区分出不同的消费群体以每一类消费者的消费模式或者消费习惯”的技术问题，权利要求1中新增的技术特征作为一种与要解决技术问题相关的特定技术手段，是与确定用户消费习惯这一领域真实结合的，且能解决该领域中上述特定技术问题，上述聚类算法并不是算法的改进，降低基于EM方法确定统计模型的参数时的迭代成本以及时间成本，最终是提高聚类处理的精度，从而达到保证聚类的精度且更好地确定每一类用户的消费习惯的技术效果。因此权利要求1符合专利法第2条第2款的规定，相应地，从属权利要求2-4也符合专利法第2条第2款的规定。相应地，权利要求5-8也构成技术方案，符合专利法第2条第2款的规定。
复审请求人修改的权利要求书如下：
“1. 一种确定统计模型参数的方法，用于基于N个数据点确定统计模型的参数，其中N为大于或等于2的整数，其特征在于，包括：
接收包括N个数据点以及N个数据点的D个属性的数据集以组织成输入矩阵，其中D为大于或等于1的整数；
根据所述输入矩阵，设定K个聚类中心、所述参数的初始值以及后验概率矩阵μN×K(μn,k)的初始值其中，后验概率μn,k表示第n个数据点在第k个聚类中心上的后验概率，其中K为大于或等于2的整数，1≤n≤N，1≤k≤K，以及根据以及所述参数的初始值计算
基于计算得到第t次循环的所述参数，并计算所述N个数据点在所述K个聚类中心的残差其中t≥1；
基于所述N个数据点在所述K个聚类中心的残差从所述N个数据点中选出M个数据点，并从所述K个聚类中心选出L个聚类中心，其中1≤M≤N、1≤L≤K；
根据第t次循环计算得到的所述参数计算所述M个数据点在所述L个聚类中心上的后验概率
根据所计算出的所述后验概率更新所述N个数据点在所述K个聚类中心上的后验概率矩阵并基于计算出的所述后验概率更新第t 1次循环的所述参数的值；
判断第t 1次循环的所述参数是否收敛，在所述参数为收敛时，停止循环并输出所述参数，
其中，所述基于所述N个数据点在所述K个聚类中心的残差从所述N个数据点中选出M个数据点，并从所述K个聚类中心选出L个聚类中心，包括：
计算每个所述数据点的残差并从所述N个数据点中选出残差rtn最大的M个数据点；
根据各数据点在各所述聚类中心的残差针对所述M个数据点中的每个数据点，分别从所述K个聚类中心中选出残差最大的L个聚类中心；
其中，N为用户数量，每个用户包括D个属性，具有所述参数的统计模型用于对用户进行聚类，以确定每一类用户的消费习惯；
其中，所述基于所述N个数据点在所述K个聚类中心的残差从所述N个数据点中选出M个数据点，并从所述K个聚类中心选出L个聚类中心，包括：
计算每个所述数据点的残差并从所述K个聚类中心中选出残差最大的L个聚类中心；
根据各数据点在各所述聚类中心的残差针对所述K个聚类中心的每个聚类中心，分别从所述N个数据点中选出残差最大的M个数据点。
2. 根据权利要求1所述的方法，其特征在于，在所述接收包括N个数据点以及N个数据点的D个属性的数据集以组织成输入矩阵之后，还包括：
设定比例因子λn和λk，其中0<><>
根据所述比例因子λn和λk计算所述M和所述L的值，其中，M＝λnN，L＝λkK。
3. 根据权利要求1所述的方法，其特征在于，判断第t 1次循环的所述参数的值是否收敛，包括：
计算在第t 1次循环计算得到的所述参数与在第t次循环计算得到的所述参数之间的差；
判断所述差的绝对值是否超出预设的阈值；
若所有所述差的绝对值都小于所述预设的阈值，则确定所述第t 1次循环的所述参数收敛；
若任一所述差的绝对值不小于所述预设的阈值，则确定所述第t 1次循环的所述参数不收敛。
4. 根据权利要求2所述的方法，其特征在于，判断第t 1次循环的所述参数的值是否收敛，包括：
计算在第t 1次循环计算得到的所述参数与在第t次循环计算得到的所述参数之间的差；
判断所述差的绝对值是否超出预设的阈值；
若所有所述差的绝对值都小于所述预设的阈值，则确定所述第t 1次循环的所述参数收敛；
若任一所述差的绝对值不小于所述预设的阈值，则确定所述第t 1次循环的所述参数不收敛。
5. 一种确定统计模型参数的装置，用于基于N个数据点确定统计模型的参数，其中N为大于或等于2的整数，其特征在于，包括：
输入模块，用于接收包括N个数据点以及N个数据点的D个属性的数据集以组织成输入矩阵，其中D为大于或等于1的整数；
初始化模块，与所述输入模块相通信，用于根据所述输入矩阵，设定K个聚类中心、所述参数的初始值以及后验概率矩阵μN×K(μn,k)的初始值 其中，后验概率μn,k表示第n个数据点在第k个聚类中心上的后验概率，其中K为大于或等于2的整数，1≤n≤N，1≤k≤K，以及根据以及所述参数的初始值计算
残差计算模块，与所述初始化模块相通信，用于基于计算得 到第t次循环的所述参数，并计算所述N个数据点在所述K个聚类中心的残差其中t≥1；
选择模块，与所述残差计算模块相通信，用于基于所述N个数据点在所述K个聚类中心的残差从所述N个数据点中选出M个数据点，并从所述K个聚类中心选出L个聚类中心，其中1≤M≤N、1≤L≤K；
后验概率计算模块，与所述选择模块相通信，用于根据第t次循环计算得到的所述参数计算所述M个数据点在所述L个聚类中心上的后验概率
概率矩阵更新模块，与所述后验概率计算模块以及所述残差计算模块相通信，用于根据所计算出的所述后验概率更新所述N个数据点在所述K个聚类中心上的后验概率矩阵
参数值计算模块，与所述概率矩阵更新模块相通信，用于基于计算出的所述后验概率更新第t 1次循环的所述参数的值；以及
判断模块，与所述残差计算模块以及所述参数值计算模块相通信，用于判断第t 1次循环的所述参数是否收敛，在所述参数为收敛时，停止循环并输出所述参数，
其中，所述选择模块被配置为：
计算每个所述数据点的残差并从所述N个数据点中选出残差rtn最大的M个数据点；
根据各数据点在各所述聚类中心的残差针对所述M个数据点中的每个数据点，分别从所述K个聚类中心中选出残差最大的L个聚类中心；
其中，N为用户数量，每个用户包括D个属性，具有所述参数的统计模型用于对用户进行聚类，以确定每一类用户的消费习惯；
其中，所述选择模块还被配置为：
计算每个所述数据点的残差并从所述K个聚类中心中选出残差最大的L个聚类中心；
根据各数据点在各所述聚类中心的残差针对所述K个聚类中心的每个聚类中心，分别从所述N个数据点中选出残差最大的M个数据点。
6. 根据权利要求5所述的装置，其特征在于，所述初始化模块被配置为，设定比例因子λn和λk，其中0<><>
7. 根据权利要求5所述的装置，其特征在于，所述判断模块被配置为：
计算在第t 1次循环计算得到的所述参数与在第t次循环计算得到的所述参数之间的差；
判断所述差的绝对值是否超出预设的阈值；
若所有所述差的绝对值都小于所述预设的阈值，则确定所述第t 1次循环的所述参数收敛；
若任一所述差的绝对值不小于所述预设的阈值，则确定所述第t 1次循环的所述参数不收敛。
8. 根据权利要求6所述的装置，其特征在于，所述判断模块被配置为：
计算在第t 1次循环计算得到的所述参数与在第t次循环计算得到的所述参数之间的差；
判断所述差的绝对值是否超出预设的阈值；
若所有所述差的绝对值都小于所述预设的阈值，则确定所述第t 1次循环的所述参数收敛；
若任一所述差的绝对值不小于所述预设的阈值，则确定所述第t 1次循环的所述参数不收敛。”
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
复审请求人在答复复审通知书时提交了修改后的权利要求书，其中包括权利要求1-8。经审查，上述修改符合专利法实施细则第61条第1款和专利法第33条的规定。因此本复审决定所针对的文本为：申请日2014年01月27日提交的说明书第1-183段，说明书附图图1-4，说明书摘要，摘要附图，2019年08月02日提交的权利要求第1-8项。
（二）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、方法或者其改进提出的新的技术方案。
权利要求中记载了某些参数的含义并不意味着其必然与某一特定的应用领域相结合。如果一项权利要求所要求保护的方案没有解决任何具体的技术问题，所述方案未采用遵循自然规律的技术手段，并且未获得符合自然规律的技术效果，则该方案不构成技术方案，不属于专利法第2条第2款规定的保护客体。
1、权利要求1不符合专利法第2条第2款的规定。
权利要求1请求保护一种确定统计模型参数的方法，用于基于N个数据点确定统计模型的参数。根据权利要求1的描述，权利要求1的方案并未限定具体的应用领域，其所解决的问题在于如何降低基于EM方法确定统计模型的参数时的迭代成本以及时间成本。虽然其中提到了“N为用户数量，每个用户包括D个属性，具有所述参数的统计模型用于对用户进行聚类，以确定每个用户的消费习惯”，但是权利要求1的方案中并未体现各个参数在该领域中的具体含义，也就是说，权利要求1并未真正与确定用户消费习惯这一领域进行结合，因此权利要求1并未结合任何的应用领域，因而未能解决具体应用领域中的特定技术问题。其采用的手段是从所述N个数据点中选出残差最大的M个数据点，并从所述K个聚类中心选出残差最大的L个聚类中心，即通过计算残差，并根据残差的大小选取后验概率矩阵的部分元素以更新统计模型的参数和后验概率矩阵，上述手段的实质是一种算法本身的改进，即该方案没有采用符合自然规律的技术手段，从而也不能获得相应的技术效果。
因此，权利要求1请求保护的方案不属于专利法意义上的技术方案，不符合专利法第2条第2款的规定。
2、权利要求2-4不符合专利法第2条第2款的规定。
权利要求2-4是权利要求1的从属权利要求，其进一步的附加特征仍然是算法本身的具体实现步骤，其仍然没有解决任何具体应用领域的特定技术问题，未采用符合自然规律的技术手段，未获得技术效果。因此权利要求2-4进一步限定的方案仍然不属于技术方案，不符合专利法第2条第2款的规定。
3、权利要求5不符合专利法第2条第2款的规定。
权利要求5请求保护一种确定统计模型参数的装置，用于基于N个数据点确定统计模型的参数，其中N为大于或等于2的整数。
根据权利要求5的描述，权利要求5的方案并未限定具体的应用领域，其所解决的问题在于如何降低基于EM方法确定统计模型的参数时的迭代成本以及时间成本。虽然其中提到了“N为用户数量，每个用户包括D个属性，具有所述参数的统计模型用于对用户进行聚类，以确定每个用户的消费习惯”，但是权利要求5的方案中并未体现各个参数在该领域中的含义，也就是说，权利要求5并未真正与确定用户消费习惯这一领域进行结合，因此权利要求5并未结合任何的应用领域，因而未能解决具体应用领域中的特定技术问题。其采用的手段是从所述N个数据点中选出残差最大的M个数据点，并从所述K个聚类中心选出残差最大的L个聚类中心，即通过计算残差，并根据残差的大小选取后验概率矩阵的部分元素以更新统计模型的参数和后验概率矩阵，上述手段的实质是一种算法本身的改进。虽然权利要求5中限定了“输入模块”，“初始化模块”，“残差计算模块”，“选择模块”，“后验概率计算模块”，“概率矩阵更新模块”，“参数值计算模块”，“判断模块”，并限定了这些模块之间的通信关系，但是这些模块仅仅是算法对应的计算机程序模块，他们之间的通信关系所体现的也是算法的各个流程步骤之间的先后顺序，因此权利要求5的方案实质上还是一种算法，其没有采用符合自然规律的技术手段，从而也未能获得相应的技术效果。
因此，权利要求5请求保护的方案不属于专利法意义上的技术方案，不符合专利法第2条第2款的规定。
4、权利要求6-8不符合专利法第2条第2款的规定。
权利要求6-8是权利要求5的从属权利要求，其进一步的附加特征仍然是算法本身的具体实现步骤，其仍然没有解决任何具体应用领域的特定技术问题，未采用符合自然规律的技术手段，未获得技术效果。因此权利要求6-8进一步限定的方案仍然不属于技术方案，不符合专利法第2条第2款的规定。
（三）针对复审请求人相关意见的评述：
针对复审请求人的陈述意见（参见案由部分），合议组认为：
复审请求人补入了特征“所述基于所述N个数据点在所述K个聚类中心的残差从所述N个数据点中选出M个数据点，并从所述K个聚类中心选出L个聚类中心，包括：计算每个所述数据点的残差并从所述K个聚类中心中选出残差最大的L个聚类中心；根据各数据点在各所述聚类中心的残差针对所述K个聚类中心的每个聚类中心，分别从所述N个数据点中选出残差最大的M个数据点”，但是修改后的权利要求1除了“N为用户数量，每个用户包括D个属性，具有所述参数的统计模型用于对用户进行聚类，以确定每个用户的消费习惯”之外，其余参数仍旧不具备特定的含义，因此权利要求1的方案并未体现与用户消费习惯这一领域的具体结合，权利要求1并未结合任何的具体应用领域，从而无法解决复审请求人所宣称的 “从消费者数据库中区分出不同的消费群体以每一类消费者的消费模式或者消费习惯”这一技术问题，也没有获得技术效果。其所采用的手段是EM算法和聚类处理，该手段通过设定的数学计算规则来进行统计分析，其方案整体上是一种算法本身的改进，未采用符合自然规律的技术手段。因此该方案并非是为了解决特定应用领域的具体技术问题、采用了符合自然规律的技术手段、并获得相应技术效果的技术方案。
综上，合议组对于复审请求人陈述的理由不予认可。
三、决定
维持国家知识产权局于2018年09月20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。
