发明创造名称：数据分析处理系统及其在线模型部署方法
外观设计名称：
决定号：198117
决定日：2019-12-20
委内编号：1F304307
优先权日：
申请（专利）号：201810274369.X
申请日：2018-03-29
复审请求人：北京九章云极科技有限公司
无效请求人：
授权公告日：
审定公告日：
专利权人：
主审员：陈丽娜
合议组组长：慈丽雁
参审员：董方源
国际分类号：G06Q10/10
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存在区别技术特征，该区别技术特征既未被其他对比文件公开，也不属于本领域的公知常识，并且本领域技术人员也没有要对上述最接近的现有技术进行改进的动机，且该区别技术特征的引入，使得该权利要求的技术方案获得有益的技术效果，则该权利要求的技术方案相对于上述对比文件具备创造性。
全文：
本复审请求涉及申请号为201810274369.X，名称为“数据分析处理系统及其在线模型部署方法”的发明专利申请（下称本申请）。申请人为北京九章云极科技有限公司。本申请的申请日为2018年03月29日，公开日为2018年11月06日。
经实质审查，国家知识产权局原审查部门于2019年07月04日发出驳回决定，驳回了本申请，其理由是：权利要求1-34均不具备专利法第22条第3款规定的创造性。具体为：1、权利要求1相对于对比文件1（CN 102637234A，公开日为2012年08月15日）的区别技术特征为：（1）预设用户包括所述数据分析处理系统的其他用户和/或所述数据分析处理系统的下游系统用户；（2）所述进行算法模型发布的步骤包括：获取待发布的算法模型；验证待发布的算法模型是否为可发布的算法模型；当待发布的算法模型为可发布的算法模型时，进行算法模型发布；所述验证待发布的算法模型是否为可发布的算法模型的步骤包括：对待发布的算法模型进行调试。上述区别技术特征（1）被对比文件2（CN 106020811A，公开日为2016年10月12日）公开，区别技术特征（2）是本领域惯用手段，因此，权利要求1不具备创造性。2、从属权利要求2的部分附加技术特征被对比文件2公开，其余附加技术特征是本领域惯用手段；从属权利要求3的部分附加技术特征被对比文件1公开，其余附加技术特征是本领域惯用手段；从属权利要求4、6、8-10、12、14、16的附加技术特征是本领域惯用手段；从属权利要求5的附加技术特征被对比文件2公开；从属权利要求7、15的附加技术特征被对比文件3（CN 106202310A，公开日为2016年12月07日）公开；从属权利要求11的部分附加技术特征被对比文件3公开，其余附加技术特征是本领域惯用手段；从属权利要求13的部分附加技术特征被对比文件1公开，部分附加技术特征被对比文件2公开，其余附加技术特征是本领域惯用手段；因此，权利要求2-16不具备创造性。3、权利要求17-32是分别与权利要求1-16的方法权利要求相对应的产品权利要求，且技术特征是相对应的，因此权利要求17-32不具备创造性。4、权利要求33请求保护的数据分析处理系统中的处理器执行程序时实现如权利要求1-16任一项所述的方法，而权利要求1至16所请求保护的方法均不具备创造性，并且对比文件1公开了存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，因此，权利要求33不具备创造性。5、权利要求34请求保护一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如权利要求1-16任一项所述的方法中的步骤，而权利要求1至16所请求保护的方法均不具备创造性，并且对比文件2公开了计算机可读存储介质，因此，权利要求34不具备创造性。
驳回决定所依据的文本为：申请日2018年03月29日提交的摘要附图、说明书摘要、说明书第1-222段、说明书附图图1-图12，2019年05月06日提交的权利要求第1-34项。
驳回决定所针对的权利要求书如下：
“1. 一种数据分析处理系统的在线模型部署方法，其特征在于，包括：
基于检测到的用于部署算法模型的用户操作，进行算法模型发布，并在用户界面中显示发布的算法模型，以供使用所述数据分析处理系统的预设用户访问和/或调用发布的算法模型；所述预设用户包括所述数据分析处理系统的其他用户和/或所述数据分析处理系统的下游系统用户；
所述进行算法模型发布的步骤包括：
获取待发布的算法模型；
验证待发布的算法模型是否为可发布的算法模型；
当待发布的算法模型为可发布的算法模型时，进行算法模型发布；
所述验证待发布的算法模型是否为可发布的算法模型的步骤包括：
对待发布的算法模型进行调试。
2. 根据权利要求1所述的方法，其特征在于，所述获取待发布的算法模型的步骤包括：
显示用于模型部署的用户界面，所述用于模型部署的用户界面中显示有至少一个供用户选择的算法模型；
获取用户在所述用于模型部署的用户界面中选择的算法模型，作为待发布的算法模型。
3. 根据权利要求1所述的方法，其特征在于，所述进行算法模型发布的步骤包括：
将算法模型存储至共享存储中；
为算法模型建立容器的镜像。
4. 根据权利要求3所述的方法，其特征在于，所述共享存储为网络文件系统NFS和/或分布式文件系统Ceph。
5. 根据权利要求3所述的方法，其特征在于，所述进行算法模型发布的步骤还包括：
将算法模型的信息存储至数据库中。
6. 根据权利要求1所述的方法，其特征在于，所述用户界面中显示的发 布的算法模型包括部署成功的算法模型和部署失败的算法模型，其中，部署成功的算法模型能够被调用，部署失败的算法模型不能够被调用。
7. 根据权利要求2所述的方法，其特征在于，
所述用于模型部署的用户界面中显示的算法模型为一工作流中的模型训练模块输出的算法模型；所述工作流包括数据模块和所述模型训练模块，所述数据模块用于输出待训练的数据，所述模型训练模块用于根据设置的算法模型的参数和输入的待训练的数据对算法模型进行训练，并输出训练结果，当所述训练结果符合目标结果时，输出当前算法模型。
8. 根据权利要求7所述的方法，其特征在于，所述显示用于模型部署的用户界面的步骤包括：
从所述模型训练模块输出的多个内容中，获取预设文件格式的算法模型；
在所述用于模型部署的用户界面中显示获取的预设文件格式的算法模型。
9. 根据权利要求8所述的方法，其特征在于，所述预设文件格式为预测模型标记语言PMML文件格式。
10. 根据权利要求8所述的方法，其特征在于，所述获取预设文件格式的算法模型的步骤包括：
筛选出后缀符合预设文件格式的算法模型；
对筛选出的算法模型进行解析，确定筛选出的算法模型是否为预设文件格式的算法模型；
对预设文件格式的算法模型进行解析，得到算法模型的元数据。
11. 根据权利要求10所述的方法，其特征在于，所述验证待发布的算法模型是否为可发布的算法模型的步骤包括：
根据待发布的算法模型的元数据，确定调试特征；
获取用户设置的调试特征的值；
根据用户设置的调试特征的值，对待发布的算法模型进行调试；
当调试通过时，确定待发布的算法模型为可发布的算法模型。
12. 根据权利要求1所述的方法，其特征在于，所述进行算法模型发布，并在用户界面中显示发布的所述算法模型的步骤之后，还包括：
在一用于创建或编辑工作流的用户界面下，当检测到用于调用发布的算法 模型的用户操作时，将调用的算法模型作为所述工作流的一工作流模块添加至所述工作流中。
13. 根据权利要求12所述的方法，其特征在于，所述调用发布的算法模型的用户操作包括：
将调用的算法模型拖拽至所述工作流的显示区域内的拖拽操作；或者
将调用的算法模型的应用程序编程接口API访问接口和接口秘钥API KEY复制至所述工作流的代码中的复制操作；或者
采用虚拟请求工具在统一资源定位符URL地址栏中输入调用的算法模型的API URL的输入操作。
14. 根据权利要求1所述的方法，其特征在于，所述获取待发布的算法模型的步骤之前，还包括：
训练得到待发布的算法模型。
15. 根据权利要求14所述的方法，其特征在于，所述训练得到待发布的算法模型的步骤包括：
当检测到用于创建工作流的用户操作时，创建工作流，所述工作流包括数据模块和模型训练模块，所述数据模块用于输出待训练的数据；
当接收到用于运行所述工作流的指示时，运行工作流，运行工作流时，所述工作流中的模型训练模块根据设置的算法模型的参数和输入的待训练的数据对算法模型进行训练，并输出训练结果；
验证所述训练结果是否符合目标结果；
当所述训练结果符合目标结果时，输出当前算法模型；
当所述训练结果不符合目标结果时，调整设置的算法模型的参数，重新运行工作流，对算法模型进行训练，直至算法模型输出的训练结果符合所述目标结果。
16. 根据权利要求7或15所述的方法，其特征在于，所述工作流还包括：数据预处理模块和/或特征选择模块，所述数据预处理模块用于对所述数据模块输入所述数据预处理模块的数据进行预处理，得到符合要求的数据；所述特征选择模块，用于筛选数据，分析输入的数据的特征，判断特征是否发散和/或特征与目标结果的相关性，根据分析结果选择特征，并输出采用选择的特征 筛选的数据。
17. 一种数据分析处理系统，其特征在于，包括：
发布模块，用于基于检测到的用于部署算法模型的用户操作，进行算法模型发布，并在用户界面中显示发布的算法模型，以供使用所述数据分析处理系统的预设用户访问和/或调用发布的算法模型；所述预设用户包括所述数据分析处理系统的其他用户和/或所述数据分析处理系统的下游系统用户；
所述发布模块包括：
获取子模块，用于获取待发布的算法模型；
确定子模块，用于验证待发布的算法模型是否为可发布的算法模型；
执行子模块，用于当待发布的算法模型为可发布的算法模型时，进行算法模型发布；
所述确定子模块具体用于：对待发布的算法模型进行调试。
18. 根据权利要求17所述的数据分析处理系统，其特征在于，
所述获取子模块，用于显示用于模型部署的用户界面，所述用于模型部署的用户界面中显示有至少一个供用户选择的算法模型；获取用户在所述用于模型部署的用户界面中选择的算法模型，作为待发布的算法模型。
19. 根据权利要求17所述的数据分析处理系统，其特征在于，所述发布模块包括：
第一存储子模块，用于将算法模型存储至共享存储中；
建立子模块，用于为算法模型建立容器的镜像。
20. 根据权利要求19所述的数据分析处理系统，其特征在于，所述共享存储为网络文件系统NFS和/或分布式文件系统Ceph。
21. 根据权利要求19所述的数据分析处理系统，其特征在于，所述发布模块包括：
第二存储子模块，用于将算法模型的信息存储至数据库中。
22. 根据权利要求17所述的数据分析处理系统，其特征在于，所述用户界面中显示的发布的算法模型包括部署成功的算法模型和部署失败的算法模型，其中，部署成功的算法模型能够被调用，部署失败的算法模型不能够被调用。
23. 根据权利要求18所述的数据分析处理系统，其特征在于，
所述用于模型部署的用户界面中显示的算法模型为一工作流中的模型训练模块输出的算法模型；所述工作流包括数据模块和所述模型训练模块，所述数据模块用于输出待训练的数据，所述模型训练模块用于根据设置的算法模型的参数和输入的待训练的数据对算法模型进行训练，并输出训练结果，当所述训练结果符合目标结果时，输出当前算法模型。
24. 根据权利要求23所述的数据分析处理系统，其特征在于，
所述获取子模块，用于从所述模型训练模块输出的多个内容中，获取预设文件格式的算法模型；在所述用于模型部署的用户界面中显示获取的预设文件格式的算法模型。
25. 根据权利要求24所述的数据分析处理系统，其特征在于，所述预设文件格式为PMML文件格式。
26. 根据权利要求23所述的数据分析处理系统，其特征在于，
所述获取子模块，用于筛选出后缀符合预设文件格式的算法模型；对筛选出的算法模型进行解析，确定筛选出的算法模型是否为预设文件格式的算法模型；对预设文件格式的算法模型进行解析，得到算法模型的元数据。
27. 根据权利要求26所述的数据分析处理系统，其特征在于，
所述确定子模块，用于根据待发布的算法模型的元数据，确定调试特征；获取用户设置的调试特征的值；根据用户设置的调试特征的值，对待发布的算法模型进行调试；当调试通过时，确定待发布的算法模型为可发布的算法模型。
28. 根据权利要求17所述的数据分析处理系统，其特征在于，还包括：
调用模块，用于在一用于创建或编辑工作流的用户界面下，当检测到用于调用发布的算法模型的用户操作时，将调用的算法模型作为所述工作流的一工作流模块添加至所述工作流中。
29. 根据权利要求28所述的数据分析处理系统，其特征在于，
所述调用发布的算法模型的用户操作包括：
将调用的算法模型拖拽至所述工作流的显示区域内的拖拽操作；或者
将调用的算法模型的应用程序编程接口API访问接口和接口秘钥API KEY复制至所述工作流的代码中的复制操作；或者
采用虚拟请求工具在统一资源定位符URL地址栏中输入调用的算法模型的API URL的输入操作。
30. 根据权利要求17所述的数据分析处理系统，其特征在于，还包括：
训练模块，用于训练得到所述算法模型。
31. 根据权利要求30所述的数据分析处理系统，其特征在于，
所述训练模块，用于当检测到用于创建工作流的用户操作时，创建工作流，所述工作流包括数据模块和模型训练模块，所述数据模块用于输出待训练的数据；当接收到用于运行所述工作流的指示时，运行工作流，运行工作流时，所述工作流中的模型训练模块根据设置的算法模型的参数和输入的待训练的数据对算法模型进行训练，并输出训练结果；验证所述训练结果是否符合目标结果；当所述训练结果符合目标结果时，输出当前算法模型；当所述训练结果不符合目标结果时，调整设置的算法模型的参数，重新运行工作流，对算法模型进行训练，直至算法模型输出的训练结果符合所述目标结果。
32. 根据权利要求23或31所述的数据分析处理系统，其特征在于，
所述工作流还包括：数据预处理模块和/或特征选择模块，所述数据预处理模块用于对所述数据模块输入所述数据预处理模块的数据进行预处理，得到符合要求的数据；所述特征选择模块，用于筛选数据，分析输入的数据的特征，判断特征是否发散和/或特征与目标结果的相关性，根据分析结果，选择特征，并输出采用选择的特征筛选的数据。
33. 一种数据分析处理系统，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序；其特征在于，所述处理器执行所述程序时实现如权利要求1-16任一项所述的方法。
34. 一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-16任一项所述的方法中的步骤。”
申请人（下称复审请求人）对上述驳回决定不服,于2019年10月08日向国家知识产权局提出了复审请求，并提交了修改后的权利要求书全文替换页。其中，复审请求人在驳回决定针对的独立权利要求1中增加特征“所述待发布的算法模型为：进行训练后的算法模型”、“根据待发布的算法模型的元数据，确定调试特征，所述调试特征为输入变量；获取用户设置的调试特征的值；根据用户设置的调试特征的值，对待发布的算法模型进行调试；当调试通过时，确定待发布的算法模型为可发布的算法模型；其中，所述对待发布的算法模型进行调试包括：验证所述待发布的算法模型的有效性；所述验证所述待发布的算法模型的有效性包括：判断所述待发布的算法模型能否基于所述调试特征的值计算出的结果，且所述计算出的结果符合预期”，删除特征“对待发布的算法模型进行调试”，并对原独立权利要求17进行了对应的修改，同时删除原从属权利要求11、27，并且对其它权利要求的编号进行了适应性修改。复审请求人认为：1、对比文件2中仅是开发人员调用算法组件构建算法模型，其是一种模型构建方案，开发人员构建的算法模型仅是供开发人员自己使用，而并不能供其他用户或下游系统用户访问或调用，而本申请权利要求1中则是对算法模型进行检验和发布，并在用户界面显示发布的算法模型，供其他用户下游系统用户访问或调用，也即，本申请用户调用的是发布后的算法模型，而非算法组件；由此可知，对比文件2中是用于构建算法模型，而本申请权利要求1中针对构建完的算法模型进行处理，从而使得其他用户或下游系统用户能够访问或调用构建完的算法模型，即，对比文件2中算法模型的执行阶段与本申请修改后的权利要求1完全不同；同时，对比文件2中公开的开发人员为通过算法组件构建模型的建模人员，而本申请权利要求1中的预设用户为访问或调用构建完成的且进行验证并发布后的算法模型的用户，因此，对比文件2并未公开“所述预设用户包括所述数据分析处理系统的下游系统用户”；并且对比文件2并不涉及对算法模型进行调试，也不涉及在算法模型调试通过之后才能进行发布；2、对比文件3中本质上是进行模型训练，而不是调试，而本申请权利要求1中的调试是在模型训练后，在线部署之前进行的；3、对算法模型进行调试及验证并不是本领域惯用手段，本申请修改后的权利要求1中是将对开发人员或者某些用户开发出的较好的算法模型的调试、发布、访问或调用集为一体，从而使得开发人员或者某些用户开发出较好的算法模型，其他用户也可以使用。
复审请求时新修改的独立权利要求1、16内容如下：
“1. 一种数据分析处理系统的在线模型部署方法，其特征在于，包括：
基于检测到的用于部署算法模型的用户操作，进行算法模型发布，并在用户界面中显示发布的算法模型，以供使用所述数据分析处理系统的预设用户访问和/或调用发布的算法模型；所述预设用户包括所述数据分析处理系统的其他用户和/或所述数据分析处理系统的下游系统用户；
所述进行算法模型发布的步骤包括：
获取待发布的算法模型，所述待发布的算法模型为：进行训练后的算法模型；
验证待发布的算法模型是否为可发布的算法模型；
当待发布的算法模型为可发布的算法模型时，进行算法模型发布；
所述验证待发布的算法模型是否为可发布的算法模型的步骤包括：
根据待发布的算法模型的元数据，确定调试特征，所述调试特征为输入变量；
获取用户设置的调试特征的值；
根据用户设置的调试特征的值，对待发布的算法模型进行调试；
当调试通过时，确定待发布的算法模型为可发布的算法模型；
其中，所述对待发布的算法模型进行调试包括：验证所述待发布的算法模型的有效性；
所述验证所述待发布的算法模型的有效性包括：判断所述待发布的算法模型能否基于所述调试特征的值计算出的结果，且所述计算出的结果符合预期。”
“16. 一种数据分析处理系统，其特征在于，包括：
发布模块，用于基于检测到的用于部署算法模型的用户操作，进行算法模型发布，并在用户界面中显示发布的算法模型，以供使用所述数据分析处理系统的预设用户访问和/或调用发布的算法模型；所述预设用户包括所述数据分析处理系统的其他用户和/或所述数据分析处理系统的下游系统用户；
所述发布模块包括：
获取子模块，用于获取待发布的算法模型，所述待发布的算法模型为：进行训练后的算法模型；
确定子模块，用于验证待发布的算法模型是否为可发布的算法模型；
执行子模块，用于当待发布的算法模型为可发布的算法模型时，进行算法模型发布；
所述确定子模块，用于根据待发布的算法模型的元数据，确定调试特征；所述调试特征为输入变量；获取用户设置的调试特征的值；根据用户设置的调试特征的值，对待发布的算法模型进行调试；当调试通过时，确定待发布的算法模型为可发布的算法模型；
其中，所述对待发布的算法模型进行调试包括：验证所述待发布的算法模型的有效性；
所述验证所述待发布的算法模型的有效性包括：判断所述待发布的算法模型能否基于所述调试特征的值计算出的结果，且所述计算出的结果符合预期。”
经形式审查合格，国家知识产权局于2019年10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、对比文件2公开了：在算法模型开发工具中，将常用的数据挖掘以及机器学习算法封装为算法组件；开发人员在终端设备11打开算法模型开发工具后，加载显示该算法组件列表以及一个算法模型创建区域；如图2所示，在算法模型创建区域21中，开发人员可利用算法组件来完成建模操作。即对比文件2公开的算法模型开发装置是该装置的设计人员先设计出来算法模型，然后由开发人员使用，也就是供开发人员访问或调用，因此，相当于预设用户包括所述数据分析处理系统的其他用户和/或所述数据分析处理系统的下游系统用户；开发人员既相当于所述数据分析处理系统的其他用户，又相当于所述数据分析处理系统的下游系统用户。并且，对比文件1还公开了：算法模型库5中的模型可以由系统使用者自定义的修改和扩展；不同的生产阶段通过算法模型库5的统一管理采用不同的计算模型；附图1中，算法模型库5通过网络（TCP/IP）与其他冶金仿真系统相连。即算法模型库5中的算法模型可以被其他冶金仿真系统访问。2、对比文件3公开了：步骤2、训练并评估数据挖掘算法（即训练算法模型）；如图3所示，如果数据挖掘算法输出为模型则将步骤1中数据分割产生的测试数据的自变量作为输入，使用数据挖掘算法训练产生的算法模型进行数据挖掘，比对步骤1中测试数据中原本的数据结果和使用算法模型进行挖掘的输出，计算二者匹配程度；步骤3、调整数据挖掘算法参数优化数据挖掘算法；如图5所示，根据结果评价模块的反馈结果，使用参数自动调整算法对数据挖掘的参数进行调整（即根据算法模型的元数据，确定调试特征；参数即调试特征）；在得到满意的数据挖掘结果前，不断地在反馈环中进行正反馈优化（即验证算法模型的有效性，包括：判断算法模型能否基于调试特征的值计算出的结果，且计算出的结果符合预期）。为了保证发布的算法模型的正确性、稳定性，设置获取待发布的算法模型；验证待发布的算法模型是否为可发布的算法模型；当待发布的算法模型为可发布的算法模型时，进行算法模型发布；获取用户设置的调试特征的值；根据用户设置的调试特征的值，对待发布的算法模型进行调试；当调试通过时，确定待发布的算法模型为可发布的算法模型是本领域的惯用手段。设置调试特征为输入变量是本领域的惯用手段。对比文件3的步骤2是进行算法模型训练，步骤3是对算法模型进行参数调整，即对比文件3的参数调整也是在模型训练后进行。因此，原审查部门坚持原驳回决定。
随后，国家知识产权局成立合议组对本案进行审理。
合议组经过阅卷与合议，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
复审请求人于2019年10月08日提交复审请求时，对权利要求进行了修改，经审查，上述修改符合专利法第33条和专利法实施细则第61条第1款的规定。因此，本复审决定针对的文本为：复审请求人于申请日2018年03月29日提交的摘要附图、说明书摘要、说明书第1-222段、说明书附图图1-图12，2019年10月08日提交的权利要求第1-32项。
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存在区别技术特征，该区别技术特征既未被其他对比文件公开，也不属于本领域的公知常识，并且本领域技术人员也没有要对上述最接近的现有技术进行改进的动机，且该区别技术特征的引入，使得该权利要求的技术方案获得有益的技术效果，则该权利要求的技术方案相对于上述对比文件具备创造性。
复审决定中所引用的对比文件与驳回决定中引用的对比文件相同，具体如下：
对比文件1：CN 102637234A，公开日为2012年08月15日；
对比文件2：CN 106020811A，公开日为2016年10月12日；
对比文件3：CN 106202310A，公开日为2016年12月07日；
其中，对比文件1作为最接近的现有技术。
2-1、权利要求1具备创造性。
权利要求1要求保护一种数据分析处理系统的在线模型部署方法，对比文件1公开了一种基于计算机的高炉槽下仿真系统及其仿真方法，并具体公开了以下技术特征（参见说明书第[0007]-[0041]段，附图1）：
一种基于计算机的高炉槽下仿真系统，该系统包括工艺配置器、高炉槽下过程仿真器、控制策略仿真器、计划调度仿真器、算法模型库、监控显示设备，这六个子系统通过网络总线相连；算法模型库中的模型可以由系统使用者自定义的修改和扩展；算法模型以动态链接库的形式发布，且存放于配置好的模型存放路径（相当于进行算法模型发布，同时，要对多种多个模型进行发布操作，则必然需要显示发布的算法模型，否则无法确定要发布哪些算法模型，因此，该部分内容隐含公开了在用户界面中显示发布的算法模型）；算法模型库中的模型以动态链接库的形式存在，必须包含输入、输出、模型代码以及模型的具体实现；算法模型库保存了高炉槽下供料过程中的各种计算模型，该模型库对各种模型进行统一管理，所有模型可在不干扰系统运行的情况下灵活替换和扩展，高炉槽下仿真器可以根据不同的工艺配置情况适用不同的工艺模型及控制模型（相当于供使用所述数据分析处理系统的预设用户访问和/或调用发布的算法模型，所述预设用户包括数据分析处理系统的其他用户）；监控显示设备6以动画的形式对槽下仿真过程进行显示；该系统不仅可作为研究高炉槽下供料的仿真平台，还可以作为整个冶金生产分布式仿真的一个节点，支持与其它生产环节的关联问题分析。
由此可见，权利要求1相对于对比文件1的区别技术特征为：权利要求1中，其算法模型发布的方式为在线发布，发布操作是基于检测到的用户部署算法模型的用户操作而进行的，预设用户还包括数据分析处理系统的下游系统用户；所述进行算法模型发布的步骤包括： 获取待发布的算法模型，所述待发布的算法模型为：进行训练后的算法模型；验证待发布的算法模型是否为可发布的算法模型；当待发布的算法模型为可发布的算法模型时，进行算法模型发布；所述验证待发布的算法模型是否为可发布的算法模型的步骤包括：根据待发布的算法模型的元数据，确定调试特征，所述调试特征为输入变量；获取用户设置的调试特征的值；根据用户设置的调试特征的值，对待发布的算法模型进行调试；当调试通过时，确定待发布的算法模型为可发布的算法模型；其中，所述对待发布的算法模型进行调试包括：验证所述待发布的算法模型的有效性；所述验证所述待发布的算法模型的有效性包括：判断所述待发布的算法模型能否基于所述调试特征的值计算出的结果，且所述计算出的结果符合预期。基于上述区别技术特征，权利要求1实际解决的技术问题是：如何实现算法模型的在线准确发布并且能使该算法模型被系统以外的下游用户访问或调用。
对比文件2公开了一种算法模型的开发方法和装置，并具体公开了以下技术特征（参见说明书第[0015]-[0070]段，附图1-4）：在算法模型开发工具中，将常用的数据挖掘以及机器学习算法封装为算法组件，例如封装为Web组件；各种算法组件在算法模型开发工具中形成了一个算法组件列表，该算法组件列表中显示各个算法的名称；在该算法组件列表中还可以进一步对各种算法进行多级分类，例如，第一级分类包括：数据预处理、统计分析、机器学习、文本分析等；数据预处理下的第二级分类包括：采样与过滤、数据合并、特征选择与变换等；在第二级分类下就是各种具体算法，例如在特征选择与变换下包括缺失值填充、增加序列号、切分、归一化、标准化、窗口变量统计、偏好计算等具体算法；开发人员在终端设备11打开算法模型开发工具后，加载显示该算法组件列表以及一个算法模型创建区域；如图2所示，在算法模型创建区域21中，开发人员可利用算法组件来完成建模操作。
对比文件3公开了一种建立数据挖掘自动回馈系统的方法，并具体公开了如下特征（参见说明书第[0031]-[0041]段，附图1-5）：步骤1、将待挖掘源数据按比例随机分割为训练数据和测试数据，其中训练数据将用于训练数据挖掘算法模型，测试数据用于评价数据挖掘模型的准确性，为每一次过程执行进行多次分割且使用不同随机原型，避免因随机分割的偶然性影响对算法结果的评价；步骤2、如果数据挖掘算法输出为模型，则将步骤1中数据分割产生的测试数据的自变量作为输入，使用数据挖掘算法训练产生的算法模型进行数据挖掘，比对步骤1中测试数据中原本的数据结果和使用算法模型进行挖掘的输出，计算二者匹配程度，匹配上计算出MSE以及RMSE等网络性能指标得出对算法模型的准确度评估；如果数据挖掘算法输出为结果数据，则将训练数据产生的数据挖掘结果与测试数据相比较，计算二者匹配程度，匹配上的数据计算出MSE以及RMSE等网络性能指标，并将将匹配程度和网络性能指标反馈给参数数据调整模块；步骤3、根据步骤2中对数据挖掘算法模型测试结果及对算法模型的准确度评估，根据结果评价模块的反馈结果，使用参数自动调整算法对数据挖掘的参数进行调整；步骤4、将调整参数后的数据挖掘算法模型作为新的算法模型，重新执行步骤1，直至数据挖掘算法模型的测试结果达到要求。
在对比文件1公开的技术方案中，算法模型库中存储了各类工艺模型及控制模型，上述模型是为了使高炉槽下仿真器根据不同的工艺配置情况适用不同的模型而设置的，其针对的是高炉槽下仿真这一特定应用场景，只需要使高炉槽下仿真器根据不同的工艺配置访问和/或调用算法模型库中相应的模型就可以满足仿真操作对各种算法模型的需求，而无需将算法模型库中的算法模型进行在线发布，也就是说，本领域技术人员并不存在将对比文件1中的发布方式改进为在线发布，从而使得仿真系统之外的用户能够访问和/或调用的动机，并且由于不需要在线发布，本领域技术人员也就不会想到要在发布之前对算法模型进行调试及验证；同时，从上述对比文件2、对比文件3公开的内容可以看出，对比文件2和对比文件3均未涉及算法模型在线发布操作，也未公开上述区别技术特征，因此，对比文件2和对比文件3也未给出相关的技术启示，并且上述区别技术特征也不是本领域公知常识，且由于上述区别技术特征的引入，权利要求1的技术方案获得了方便系统之外的用户方便准确的使用算法模型的有益的技术效果，因此，权利要求1相对于对比文件1、对比文件2和本领域公知常识的结合，以及相对于对比文件1、对比文件2、对比文件3和本领域公知常识的结合均具有突出的实质性特点和显著的进步，均具备专利法第22条第3款规定的创造性。
2-2、权利要求2-15具备创造性。
权利要求2-15从属于独立权利要求1，在独立权利要求1具备创造性的情况下，从属权利要求2-15也具备专利法第22条第3款规定的创造性。
2-3、权利要求16-30具备创造性。
权利要求16-30要求保护的系统与权利要求1-15要求保护的方法一一对应，因此，基于与权利要求1-15相同的理由，权利要求16-30相对于对比文件1、对比文件2和本领域公知常识的结合，以及相对于对比文件1、对比文件2、对比文件3和本领域公知常识的结合均具有突出的实质性特点和显著的进步，具备专利法第22条第3款规定的创造性。
2-4、权利要求31具备创造性。
权利要求31要求保护一种数据分析处理系统，其处理器执行程序时实现如权利要求1-15任一项所述的方法，参见本决定上述对权利要求1-15的评述可知，权利要求1-15均具备创造性，因此，权利要求31相对于对比文件1、对比文件2和本领域公知常识的结合，以及相对于对比文件1、对比文件2、对比文件3和本领域公知常识的结合均具有突出的实质性特点和显著的进步，具备专利法第22条第3款规定的创造性。
2-5、权利要求32具备创造性。
权利要求32要求保护一种计算机可读存储介质，其上存储的程序被处理器执行时实现如权利要求1-15任一项所述的方法中的步骤，参见本决定上述对权利要求1-15的评述可知，权利要求1-15均具备创造性，因此，权利要求32相对于对比文件1、对比文件2和本领域公知常识的结合，以及相对于对比文件1、对比文件2、对比文件3和本领域公知常识的结合均具有突出的实质性特点和显著的进步，具备专利法第22条第3款规定的创造性。
3、对驳回决定及前置审查相关意见的评述
对于原审查部门在驳回决定及前置审查意见的意见，合议组认为：参见本决定上述对权利要求1的评述可知，对比文件1中的高炉槽下仿真系统对于外界系统来说是封闭的，其并未对该仿真系统以外的其他用户开放，该系统内的算法模型库中存储了各类工艺模型及控制模型，虽然这些模型能够被灵活替换和扩展，但是，这些模型是为了使高炉槽下仿真器根据不同的工艺配置情况适用不同的模型而设置的，对比文件1中并未公开将这些模型开放以使仿真系统之外的用户进行访问和/或调用；同时，为了完成整个仿真操作，只需要使高炉槽下仿真器根据不同的工艺配置访问和/或调用算法模型库中相应的模型就可以，而无需将算法模型库中的算法模型进行在线发布，也就是说，本领域技术人员并不存在将对比文件1中的发布方式改进为在线发布，从而使得仿真系统之外的用户访问和/或调用的动机；同时，对比文件2与对比文件3并未涉及在线发布算法模型的相关内容，也未公开权利要求1相对于对比文件1的区别技术特征，因此，对比文件2和对比文件3并未给出相关的技术启示。
因此，对于原审查部门的意见，合议组不予支持。
至于本申请是否还存在其他不符合专利法及其实施细则的缺陷，留待原审查部门继续审查。
三、决定
撤销国家知识产权局于2019年07月04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在复审请求人于申请日2018年03月29日提交的摘要附图、说明书摘要、说明书第1-222段、说明书附图图1-图12，2019年10月08日提交的权利要求第1-32项的基础上对本申请继续进行审查。
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。
