通过扩展扩大保护范围-IT专利实例分析

扩展 保护范围 专利挖掘  专利撰写

通常,专利撰写工作依赖于研发者提供的技术方案或技术交底。由于研发工作受实际需要的影响,很多发明仅仅是研发者认为最理想的实施例,或者找到了一种具体的实现方案。如果仅仅照搬研发者提供的原始方案进行专利申请,专利保护范围会受到制约,对竞争对手的限制必然不足,容易被规避。基于原始方案,争取更大的保护范围,这也是高质量的专利申请任务之一。

扩展-为何能扩大保护范围

那如何能够扩大专利的保护范围呢?扩展。具体的,对原始方案从多个角度、多个维度进行扩展,挖掘出更多的实施例。

扩展了除原方案以外的其他实施例之后,自然在多种实施例的支撑下,可以用上位描述方式构建权要,上位的特征可以获取更大的保护范围。而且,扩展实施例,如替代实施例或者优化实施例等,最后构建的权要可以将各种可能的变化都保护,保护的技术内容比原始方案更多,自然保护范围更大。

其实,扩展除了扩大保护范围以外,还有其他的好处,包括:降低授权的风险,增加竞争对手规避的难度等。本文重点在于扩大保护范围,其他点不再详细介绍。

特别的,对于IT领域来说,技术创新活跃度高、更新速度快、迭代周期短,更是需要扩展,将各种可能的技术手段都保护。仅仅申请原始方案,竞争对手如果在公开的原始方案基础上申请了更新的迭代方案,这无疑成了给别人做“嫁衣”,最后我们可能还得给竞争对手付更新方案使用的许可费,这显然是一件“吃力不讨好”的事。

扩展-思路和方向

专利扩展通常可以分为横向扩展、纵向扩展和补充扩展三个方向。

所谓横向扩展可以理解成增加对原始方案的可替代,换言之,就是增加替代的实施方案。举一个最简单的例子,原始方案是通过GPS定位,扩展方案可以是通过北斗定位。当然这个例子没有考虑创新性,仅仅用来说明什么是横向扩展。

纵向扩展可以分为向上扩展和向下扩展,向上扩展指的是对方案进行上位总结,争取得到更大的保护范围;向下扩展是指下位细化方案的技术特征等。向上扩展是看看这个技术方案哪些特征不是必要的,哪些特征可以用概括总结成更泛的方案。举一个简单的例子,确定向量的相似度,原方案是通过余弦距离,本质上可以上位扩展成向量距离。类似前面的例子,这里没有考虑新创造性。向下扩展可以理解成这个技术特征还可以补充什么技术内容来优化。算是与向上扩展的反方向。

补充扩展更多的是面对未来的发展、结合最新的技术的扩展。比如,传统行业结合人工智能、虚拟现实这些前言技术来实现智能化自动化等,这些都属于补充扩展。补充扩展还可以结合方案的具体场景来进行,从场景的延伸来进行方案的扩展。举一个例子,当前方案实现的是商品推荐,那进一步的从场景角度,商品推荐时商品显示的个性化可能也是一个好的扩展方向。

不论何种扩展,都需要围绕技术方案本身进行扩展。这样可以保证扩展的质量,避免跑偏,减少无意义的扩展。因为无意义的扩展只会增加申请成本。

IT专利实例分析

下面,我们以【北京三星通信技术研究有限公司 – 交互式通信中进行信息推荐的方法及装置-CN104836720B】为例,对如何通过扩展扩大保护范围进行简单说明:

【方案概述】:检测并接收用户在聊天交流等场景中的输入,对在用户端输入的通信信息(即聊天内容)进行自动、实时地分析,预测用户的实际语义以及用户感兴趣的内容;并将其提供给用户,方便用户在聊天过程中使用,提高沟通效率、丰富聊天内容、减少语义误解。该方案的应用场景可以包括交流双方中的至少一方对交流内容不熟悉或不了解,交流双方语言、知识背景、地域不同等容易造成误解、或难以快速理解交流内容的场景。

技术点原方案(申请文件公开的内容)扩展思路【仅作为示例,非实际扩展内容】
1、分析通信信息,获取对话内容根据通信信息获取对话内容:为了预测与通信信息相关联的信息,首先需要对通信信息进行分析。对通信信息进行分析包括:根据通信信息获取对话内容,其中,所述会话内容包括以下一项或多项信息:文本信息、用户口音信息、地理位置信息、用户情绪信息。对通信信息中的对话内容进行扩展:例如还可以包括时间信息、图片信息、领域信息、通讯工具信息通过对对话内容的扩展,可以提取更多与通信信息相关的特征,为后续基于分析内容为用户提供推荐信息提供丰富的数据基础。
具体分析手段:将输入信息转化为文本,再经过自然语言处理和语义分析,抽取其中反映用户语义的重要名词实体和主题信息采用分类器设计对辅助分析信息进行分析,分类器可以包括语音分析单元和文字输入分析单元。即,对不同类型的输入信息,采用不同的分析单元对分析手段进行扩展(方向):基于扩展后多元化的输入信息,可以考虑从对输入信息的处理角度进一步扩展。比如:对输入信息进行融合分析;基于其他输入信息评估某个输入信息的准确度再进一步用于后续推荐处理等。
2、确定推荐给用户的推荐信息具体实现方法根据用户历史输入信息等,建立用户兴趣模型,用户兴趣模型包括“知识库”;建立兴趣模型:可以是基于预设规则建立;也可以基于统计规则建立。“知识库”可以包括设置在通信系统或网络系统中的预先制作的数据库;或通过网络搜索引擎从网络系统中搜索内容相关度符合预定标准的多媒体数据,并根据搜索出的多媒体数据建立的数据库;基于相关度算法,分析获取的对话内容的相关度;例如,基于获取的对话内容,在“预先制作的多媒体库”中进行检索和比对,确定第一比对结果;再在“实时搜索的多媒体库”中进行检索和比对,确定第二比对结果;基于第一比对结果和第二比对结果,确定最终的比对结果,即相关度基于相关度分析结果,进行排序,将排序靠前的对应的内容作为推荐信息。扩展思路用户兴趣模型扩展为机器学习模型,通过训练模型来自动化确定推荐。多种方式融合确定基于不同类型的用户定制化建立模型
3、对兴趣模型进行修正当检测到用户查看与通信信息相关联的信息时,记录相关联的信息;根据记录的相关联的信息,修正用户的兴趣模型。例如,为了实现修正用户的兴趣模型,可以根据用户查看与通信信息相关联的信息修改第一类多媒体库(“预先制作的多媒体库”),并根据更新的查看信息不断地修正第一类多媒体库。扩展思路:对推荐信息加入评估机制,基于评估结果对推荐信息来修正

上述扩展实例分析只是选取了部分内容来作为示例,所给出的扩展内容也只是可做的扩展的一小部分,用于启发思路,向读者介绍IT专利中扩展的思路和角度。

总结

通过实例分析,可以看出,专利扩展可以围绕技术方案的本身,深挖技术方案中存在的扩展点,进而基于扩展点进行相关的挖掘。通过这样的方式进行扩展,可以紧扣技术方案的本质与核心,避免跑偏,获得实质性的扩展方案,提高专利申请的保护范围和质量。以上专利扩展实例只是为说明而提供的简单说明,实际还有很多扩展方法和扩展的角度,此处不一一细数和展开。

参考资料:

专利扩展与撰写思路

专利撰写中【实施例】的扩展方案

IT领域的专利挖掘

“扩展专利分析方法”研究与实践