发明创造名称：学习平台的知识商城管理系统及方法
外观设计名称：
决定号：198297
决定日：2019-12-19
委内编号：1F270352
优先权日：
申请（专利）号：201410827220.1
申请日：2014-12-26
复审请求人：湖南亿谷科技发展股份有限公司
无效请求人：
授权公告日：
审定公告日：
专利权人：
主审员：薛霏
合议组组长：甘文珍
参审员：黄丹萍
国际分类号：G06Q30/06，G06Q50/20
外观设计分类号：
法律依据：专利法第22条第3款
决定要点
：如果一项权利要求与作为最接近现有技术的对比文件存在区别技术特征，其中部分区别技术特征被另一篇对比文件公开，该另一篇对比文件给出了将该部分区别技术特征应用于该作为最接近现有技术的对比文件以解决相应技术问题的技术启示，其余区别技术特征或是本领域的公知常识或是本领域技术人员在作为最接近现有技术的对比文件的基础上容易想到的，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201410827220.1，名称为“学习平台的知识商城管理系统及方法”的发明专利申请（下称本申请）。申请人为湖南亿谷科技发展股份有限公司。本申请的申请日为2014年12月26日，公开日为2015年04月08日。
经实质审查，国家知识产权局原审查部门于2018年08月29日发出驳回决定，驳回了本申请，其理由是：权利要求1-6不符合专利法第22条第3款的规定。其中，采用对比文件1（“基于网络的家校合作系统中个性化推荐的设计与实现”，万方学位论文，韩雪涛，公开日期：2006年10月18日）作为最接近的现有技术，权利要求1与对比文件1存在区别技术特征：（1）该管理系统用于知识商城；学生的背景信息包括学生的作业错题，存储用户的购买记录，且聚类分析时将购买记录、学生的作业错题作为分析的依据之一，获取偏弱的学习资源；（2）特征匹配的对象具体为将所述学生所属的聚类类别的特征与学习平台的知识商城的学习资源的特征进行匹配，找出学习资源后生成推荐列表。基于上述区别技术特征，本申请实际要解决的问题是：基于学生用户的多种行为准确推荐更加个性化的内容。对于上述区别技术特征（1），根据需要选择其适用的平台，如知识商城，这是本领域的惯用手段，属于公知常识；另外，对比文件2（“中学生错题数据挖掘系统的研究与开发”，郭红霞，《中国优秀硕士学位论文全文数据库（电子期刊）信息科技辑》，2012年第10期，公开日期：2012年10月15日）公开了利用学生的错题资源，通过数据挖掘、聚类分析处理，向学生推荐偏弱的学习资源，其在对比文件2中的作用与其在该权利要求中的作用相同，均是为了学生对薄弱问题的发现和训练。对于区别技术特征（2），不同之处主要在于本申请中根据聚类的结果，将学生的类别和学习资源的类别进行特征匹配后直接生成学习资源，而对比文件1中为对学生进行聚类分析后，找到相似用户，将相似用户的资源列表推荐给用户。然而，根据学习资源的特征和用户的特征匹配后直接进行推荐，这是本领域的公知常识，并对该公知常识进行了举证。因而在对比文件1的基础上结合对比文件2以及上述公知常识从而得到该权利要求所要求保护的技术方案，对本领域的技术人员来说是显而易见的，该权利要求不具备创造性。权利要求2的附加技术特征被对比文件1公开，权利要求3-4的附加技术特征属于公知常识。因此，权利要求2-4也不具备创造性。权利要求5要求保护一种学习平台的知识商城管理方法，其为与产品权利要求1对应的方法权利要求，且技术特征对应一致，基于与权利要求1相同的理由，权利要求5也不具备创造性。权利要求6的附加技术特征被对比文件1公开了，因此，权利要求6也不具备创造性。
驳回决定所依据的文本为：申请日2014年12月26日提交的说明书摘要、说明书第1-66段、摘要附图、说明书附图图1-3；2018年01月30日提交的权利要求第1-6项。
驳回决定所针对的权利要求书如下：
“1. 一种学习平台的知识商城管理系统，其特征在于，包括：
记录存储模块，用于存储学生在学习平台的资源搜索记录、使用行为和购买记录；
背景信息获取模块，用于获取学生的背景信息；所述学生的背景信息包括学生的各科成绩和学生的作业错题；
聚类分析模块，用于对存储的学生在学习平台的资源搜索记录、使用行为、购买记录和获取的学生的背景信息进行聚类分析，得到多个聚类类别；
特征匹配模块，用于获取学生的聚类类别，并将所述学生所属的聚类类别的特征与学习平台的知识商城的学习资源的特征进行匹配，找出与所述聚类类别的特征相匹配的学习资源；相匹配的学习资源包括学生感兴趣的科目的学习资源和偏弱的学习资源；
推荐列表生成模块，用于将特征匹配模块找出的学习资源生成推荐列表；
所述聚类分析模块，具体用于将学生的资源搜索记录、使用行为、购买记录、学生的各科成绩和学生的作业错题进行聚类分析，得到多个聚类类别。
2. 根据权利要求1所述的学习平台的知识商城管理系统，其特征在于，所述系统还包括发送模块，用于将生成的推荐列表发送给所述学生。
3. 根据权利要求1所述的学习平台的知识商城管理系统，其特征在于，所述系统还包括：
购买模块，用于学生购买学习资源；
支付模块，用于学生对选择的学习资源进行支付；
评价模块，用于学生对购买的学习资源进行评价。
4. 根据权利要求3所述的学习平台的知识商城管理系统，其特征在于，所述系统还包括，搜索模块，所述搜索模块用于提供模糊级联查询。
5. 一种学习平台的知识商城管理方法，其特征在于，包括以下步骤：
存储学生在学习平台的资源搜索记录、使用行为和购买记录；
获取学生的背景信息；所述学生的背景信息包括学生的各科成绩和学生的作业错题；
对存储的学生在学习平台的资源搜索记录、使用行为、购买记录和获取的 学生的背景信息进行聚类分析，得到多个聚类类别；
获取学生的聚类类别，并将所述学生所属的聚类类别的特征与学习平台的知识商城的学习资源的特征进行匹配，找出与所述聚类类别的特征相匹配的学习资源；相匹配的学习资源包括学生感兴趣的科目的学习资源和偏弱的学习资源；
将找出的学习资源生成推荐列表；
所述对存储的学生在学习平台的资源搜索记录、使用行为、购买记录和获取的学生的背景信息进行聚类分析，得到多个聚类类别的步骤具体为：将学生的资源搜索记录、使用行为、购买记录、学生的各科成绩和学生的作业错题进行聚类分析，得到多个聚类类别。
6. 根据权利要求5所述的学习平台的知识商城管理方法，其特征在于，所述将找出的学习资源生成推荐列表的步骤之后，还包括将生成的推荐列表发送给所述学生。”
申请人（下称复审请求人）对上述驳回决定不服，于2018年12月29日向国家知识产权局提出了复审请求，并未修改申请文件。复审请求人认为：（1）本申请权利要求1记录存储模块和聚类分析模块的记录和分析元素均包括购买记录，然而对比文件1、对比文件2中均未公开，也未给出利用购买记录作为参与聚类分析的元素的启示，而引入购买记录能够增强匹配的准确度。（2）本申请中，特征匹配的对象为学生的聚类类别和学习平台的学习资源，而对比文件1中，聚类分析后匹配的是相似用户，将相似用户的资源列表推荐给用户。另外，公知常识举证中，是将学习者的特征模式与某一类群比对，与对比文件1类似，匹配的对象也不是学习资源；（3）本申请匹配的原则是找出与聚类类别特征相匹配的学生感兴趣的学习资源和偏弱的学习资源，对比文件2只公布了找出相匹配的偏弱的学习资源，并未公布找出学生感兴趣的学习资源；另外，对比文件1虽然公开了系统了解用户的兴趣、偏好和访问模式等个人信息，才能投其所好，但是，并未公开将用户的兴趣偏好作为匹配信息资源。
经形式审查合格，国家知识产权局于2019年01月17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）为了表征用户特征，对比文件1公开了基于学生背景信息、平台的搜索记录、各科成绩信息等进行聚类分析，最终向用户推荐相似用户的资源列表；而推荐的具体内容为平台可以购买的学习资源时，根据实际情况，选择用户的购买记录作为用户的特征之一，这对于本领域技术人员来说是显而易见的。（2）对比文件1在采集特征阶段采集了用户的背景信息、平台使用记录、各科成绩等信息，而匹配得到的相似用户与该用户在背景信息、平台搜索记录和各科成绩信息之间必然是特征匹配的，而本领域技术人员也可以选择直接利用学习资源进行特征匹配，这是本领域的惯用技术手段。对于公知常识举证《计算机基础教学实践与研究》，首先，该证据中向学习者推荐的也是学习资源，其次，该证据中也是基于学习者的特征聚类后进行推荐的。（3）本申请在具体实施向学生推荐感兴趣的科目时需要依据平台资源搜索记录、使用行为、学生背景信息和购买记录这些数据，然而，除去“购买记录”外的其他信息均已被对比文件1所公开，且对比文件1在用户特征聚类时已经获取了用户的偏好信息，因此，在对比文件1的基础上结合对比文件2也可以实现向用户推荐符合其偏好兴趣以及偏弱的学习资源。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07月24日向复审请求人发出复审通知书，指出：权利要求1-6相对于对比文件1-2以及公知常识的结合不具备专利法第22条第3款规定的创造性。合议组还指出：（1）对比文件1已经公开了通过用户的兴趣、行为偏好等聚类信息匹配近邻的资源列表推荐给用户，当本领域技术人员将其用于出售学习资源的知识商城，容易想到将用户的购买行为作为用户的兴趣、行为偏好的特征，匹配推荐学习资源；（2）对比文件1的2.1.3记载了三种常用的个性化推荐系统，基于项目属性的推荐系统、基于项目关联的推荐系统和基于用户关联的推荐系统，其中基于项目属性的推荐系统可以根据用户信息描述文件，将其与项目的特征向量作以比较，找出相似度最大的项目推荐给用户，基于用户关联的推荐系统是基于用户之间的关系来为用户推荐产品，找用户间的关系也就是为用户找近邻；基于此，本领域技术人员容易想到将对比文件1第3.4节公开的技术方案中的通过找近邻推荐资源的方式替换为基于项目属性的推荐方式，得到本申请的推荐方式；（3）对比文件1中已经公开了（参见2.1.1节）“通过对用户这些行为的捕获获取用户的相关信息，并对这些信息进行加工，以获取用户的兴趣和行为偏好等用户信息，作为个性化推荐的信息基础”以及（参见3.3.1节）“提供个性化服务的基础是精确的用户模型的建立；准确的用户模型应当包括用户静态信息和用户动态变化的信息两部分；用户动态信息包括用户的兴趣、行为偏好等信息”，可知，对比文件1在用户特征聚类时已经获取了用户的偏好信息，能够匹配得到用户感兴趣的学习资源，在对比文件1的基础上结合对比文件2可以实现向用户推荐符合其偏好兴趣以及偏弱的学习资源。
复审请求人于2019年08月29日提交了意见陈述书，但未修改申请文件。复审请求人认为：（1）本申请权利要求1的技术方案中参与聚类分析的元素包括购买记录，然而对比文件1、对比文件2中均未公开上述技术特征，也未给出技术启示，该技术特征也不是公知常识，该技术特征的引入能够增强匹配的准确度；（2）本申请中，特征匹配的对象为学生的聚类类别和学习平台的学习资源，而对比文件1中，聚类分析后匹配的是相似用户，将相似用户的资源列表推荐给用户；上述特征匹配的对象为学生的聚类类别和学习平台的学习资源也不是公知常识，该技术特征的引入能够提高匹配精度；（3）本申请的技术方案旨在提供一种能够实现学生无需花费时间去查询和搜索即可通过列表中的链接找到学习资源并购买的学习平台的知识商城管理方法，能够尽可能省去学生用户查询和搜索学习资料的时间。
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。
决定的理由
审查文本的认定
复审请求人在复审阶段并未修改申请文件。因此，本复审决定依据的文本与驳回决定所针对的文本相同，为：申请日2014年12月26日提交的说明书摘要、说明书第1-66段、摘要附图、说明书附图图1-3；2018年01月30日提交的权利要求第1-6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。
如果一项权利要求与作为最接近现有技术的对比文件存在区别技术特征，其中部分区别技术特征被另一篇对比文件公开，该另一篇对比文件给出了将该部分区别技术特征应用于该作为最接近现有技术的对比文件以解决相应技术问题的技术启示，其余区别技术特征或是本领域的公知常识或是本领域技术人员在作为最接近现有技术的对比文件的基础上容易想到的，则该权利要求不具备创造性。
本复审决定引用驳回决定和复审通知书中的对比文件1和对比文件2作为现有技术，即：
对比文件1：“基于网络的家校合作系统中个性化推荐的设计与实现”，万方学位论文，韩雪涛，公开日期：2006年10月18日，作为最接近的现有技术；
对比文件2：“中学生错题数据挖掘系统的研究与开发”，郭红霞，《中国优秀硕士学位论文全文数据库（电子期刊） 信息科技辑》，2012年第10期，公开日：2012年10月15日。
权利要求1-6不具备专利法第22条第3款规定的创造性。
权利要求1要求保护一种学习平台的知识商城管理系统，对比文件1（参见第10-30页）公开了一种基于网络的家校合作支持系统，用于实现学习资源的个性化推荐（相当于一种学习平台的管理系统），（参见3.1节）主要包括以下功能模块：资源管理模块、用户管理模块、交互工具模块、内容定制模块；（参见3.3.1节）提供个性化服务的基础是精确的用户模型的建立；用户模型是计算机表征用户特征的一组复杂的数据结构；在家校合作系统当中用以建立用户模型的信息来源于用户的基本信息和用户在系统当中的行为记录，用户的基本信息是相对固定的，能够稳定的反映用户的基础背景信息；同时不同的用户又有自己的兴趣特征，随着知识结构的变化，用户的这些兴趣特征是动态变化的；所以准确的用户模型应当包括用户静态信息和用户动态变化的信息两部分；用户动态信息包括用户的兴趣、行为偏好等信息，这些是随着用户的兴趣变化而动态变化的；用户兴趣的获取可以通过用户的浏览行为获得；用户的浏览行为可以分为显著行为和间接行为，所谓显著行为包括保存页面，打印页面，将页面保存于Bookmark中和频繁访问同一页面（相当于记录存储模块，用于存储学生在学习平台的使用行为；背景信息获取模块，用于获取学生的背景信息）；用户静态信息包括用户的姓名、性别、专业背景、学历层次、职业背景等这些用户的基本信息，学生静态信息则还应包括年级、学号、成绩、是否班干部等信息，它描述了用户的基本特征，这些基本特征是相对固定的（相当于学生的背景信息包括学生的各科成绩）；（参见3.3.2节）用户模型分析是通过对用户群体进行分析，获得用户的特征，这是对学生因材施教的重要依据，也是为家长提供个性化信息的依据；用户模型分析的基本思路是：对家校合作系统中的用户模型进行分析，包括对学生的成绩进行统计分析等，但是这些特征都是对数据进行简单的处理之后达到的统计功能，并没有对数据之间进行相关性和深层的分析，为了进一步获得数据之间的关系，还可以对数据进行聚类、挖掘等处理以获取用户的特征；聚类是将物理或抽象对象的集合分组成为由类似的对象组成的多个类的过程（相当于聚类分析模块，用于对存储的学生在学习平台的使用行为、学生的各科成绩和获取的学生背景信息进行聚类分析，得到多个聚类类别）；（参见3.4节）个性化推荐的设计，系统推荐是依据用户模型，通过对用户模型的分析以及聚类和为用户查找近邻的方法并依据近邻的访问记录为用户形成推荐列表（相当于特征匹配模块，用于获取学生的聚类类别，找出与所述聚类类别的特征相匹配的学习资源）；（参见2.3节）用户模型是实现个性化服务的基础，系统只有首先了解到用户的兴趣、偏好和访问模式等个人信息，才可能投其所好，提供用户所需的信息资源（相当于相匹配的学习资源包括学生感兴趣的科目的学习资源）；（参见3.4.6节）为用户找到近邻以后，系统依据近邻的当前资源列表为用户形成推荐；在本系统中，系统只计算近邻中兴趣度最大的资源的推荐度，并把推荐度最大的MAX_R个资源推荐给当前用户（相当于推荐列表生成模块，用于生成推荐列表）。
权利要求1与对比文件1的区别技术特征在于：（1）该管理系统用于知识商城；学生的背景信息包括学生的作业错题，记录存储模块还存储用户的资源搜索记录、购买记录，且聚类分析时将资源搜索记录、购买记录、学生的作业错题作为分析的依据之一，并且可以获取偏弱的学习资源；（2）特征匹配的对象具体为将所述学生所属的聚类类别的特征与学习平台的知识商城的学习资源的特征进行匹配，找出学习资源后生成推荐列表。基于上述区别技术特征，本申请实际所要解决的技术问题是：如何基于学生用户的多种行为准确推荐个性化学习资源。
对于上述区别特征（1），根据需要选择其适用的平台，如学习平台的知识商城，这是本领域的惯用手段，属于公知常识；当用于知识商城时，获取用户搜索记录、购买记录并将其用于特征匹配得到用户感兴趣的学习资源，是本领域技术人员容易想到的；此外，对比文件2（参见第10-11页3.1-3.2节，图3.1）公开了：挖掘目标的确定是进行数据挖掘的首要步骤，近几年提出了一种针对错题分析用户薄弱知识点的方法，即利用关联规则算法来发现错误试题知识点之间的关联关系，本系统在此研究基础上，将得到的常错知识点的关联关系应用到试题推荐中，以加强用户薄弱知识点的训练（综合图3.1公开的内容可知，对比文件2公开的系统根据错题数据源经过数据处理、挖掘以及聚类后，推荐薄弱的试题训练，相当于获取学生的作业错题，相匹配的学习资源包括偏弱的学习资源）。可知，对比文件2公开了利用学生的错题资源，通过数据挖掘、聚类分析处理，向学生推荐偏弱的学习资源，其在对比文件2中的作用与其在该权利要求中的作用相同。也就是说，对比文件2给出了将上述特征用于权利要求1以解决其技术问题的启示，该启示使本领域技术人员在对比文件1的基础上想到将错题数据作为背景信息之一，通过聚类分析等处理手段获取薄弱的学习资源。
对于区别技术特征（2），对比文件1（参见第10-12页2.1.3节）公开了三种常用的个性化推荐系统：基于项目属性的推荐系统、基于项目关联的推荐系统和基于用户关联的推荐系统；其中基于项目属性的推荐系统是基于项目的属性来为用户推荐产品，项目的属性可以是有多种形式，比如项目关键词、项目的描述信息或从项目中进行特征抽取所形成的特征向量等，可以根据用户信息描述文件，将其与项目的特征向量作以比较，找出相似度最大的项目推荐给用户；基于用户关联的推荐系统是基于用户之间的关系来为用户推荐产品，找用户间的关系也就是为用户找近邻；基于此，为了简化程序，本领域技术人员容易想到将对比文件1第3.4节公开的技术方案中的通过找近邻推荐资源的方式替换为基于项目属性的推荐方式，即将用户的聚类类别特征与学习资源的特征进行匹配，获得与聚类类别特征匹配的学习资源。
由此可见，在对比文件1的基础上结合对比文件2以及公知常识得到该权利要求所要求保护的技术方案，对本领域的技术人员来说是显而易见的。该权利要求所要保护的技术方案不具有突出的实质性特点和显著的进步，不具备创造性。
权利要求2对权利要求1进行限定。对比文件1公开了（参见第30页3.4.6节，图3.1、3.2）：为用户找到近邻以后，系统依据近邻的当前资源列表为用户形成推荐；在本系统中，系统只计算近邻中兴趣度最大的资源的推荐度，并把推荐度最大的MAX_R个资源推荐给当前用户（相当于所述系统还包括发送模块，用于将生成的推荐列表发送给所述学生）。因此，当其引用的权利要求不具备创造性时，该权利要求也不具备创造性。
权利要求3对权利要求1进行限定。为了满足用户多样化的需求，丰富系统的功能，从而使用户可以通过该学习平台购买学习资源、并实现支付和对所购买资源进行评价，对于本领域技术人员来说是处理交互平台系统时的惯用技术手段，属于公知常识。因此，当其引用的权利要求不具备创造性时，该权利要求也不具备创造性。
权利要求4对权利要求3进行限定。为了满足用户多样化的需求，提升用户的使用体验，在搜索模块中增加模糊联级查询，对于本领域技术人员来说是优化搜索时的惯用技术手段，属于公知常识。因此，当其引用的权利要求不具备创造性时，该权利要求也不具备创造性。
权利要求5要求保护一种学习平台的知识商城管理方法，其为与产品权利要求1对应的方法权利要求，且技术特征对应一致，基于与权利要求1相同的理由，权利要求5也不具备创造性。
权利要求6对权利要求5进行限定。对比文件1公开了（参见第30页3.4.6节，图3.1、3.2）：为用户找到近邻以后，系统依据近邻的当前资源列表为用户形成推荐；在本系统中，系统只计算近邻中兴趣度最大的资源的推荐度，并把推荐度最大的MAX_R个资源推荐给当前用户（相当于将找出的学习资源生成推荐列表的步骤之后，还包括将生成的推荐列表发送给所述学生）。因此，当其引用的权利要求不具备创造性时，该权利要求也不具备创造性。
（三）对复审请求人相关意见的评述
合议组认为：（1）对比文件1已经公开了通过用户的兴趣、行为偏好等聚类信息匹配近邻的资源列表推荐给用户，当本领域技术人员将其用于出售学习资源的知识商城，容易想到将用户的购买行为作为用户的兴趣、行为偏好的特征，匹配推荐学习资源；（2）对比文件1的2.1.3记载了三种常用的个性化推荐系统，基于项目属性的推荐系统、基于项目关联的推荐系统和基于用户关联的推荐系统，其中基于项目属性的推荐系统可以根据用户信息描述文件，将其与项目的特征向量作以比较，找出相似度最大的项目推荐给用户，基于用户关联的推荐系统是基于用户之间的关系来为用户推荐产品，找用户间的关系也就是为用户找近邻；基于此，本领域技术人员容易想到将对比文件1第3.4节公开的技术方案中的通过找近邻推荐资源的方式替换为基于项目属性的推荐方式，即得到本申请的推荐方式；（3）在对比文件1的基础上结合对比文件2和公知常识能够显而易见的得到权利要求1的技术方案，客观上能够实现节省用户查询和搜索学习资源的时间，更加精确的获得匹配资源的技术效果。
综上所述，复审请求人的意见陈述不具有说服力。
基于上述理由，合议组作出如下决定。
三、决定
维持国家知识产权局于2018年08月29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。
