AI这么火，那么专利申请文件怎么撰写？（下篇）

作者：李文渊  国内专利事业部

作者在“AI这么火，那么专利申请文件怎么撰写？（上篇）”中，介绍了机器学习的实现主要分为模型训练和模型应用两大阶段。其中，模型训练包括数据清洗、特征提取、模型内部结构变化、模型参数更新算法以及模型组合训练等阶段。模型应用则包括数据采集、特征提取、模型内部结构变化、模型输出结果应用以及模型组合应用等阶段。

上篇中介绍了此类申请文件撰写的整体思路，下篇中将针对不同阶段的改进分别进行说明。

改进在数据清洗阶段的情况

比如对缺失的训练数据进行补缺时所采用的插值算法进行改进。此种情况下，一般不涉及模型应用的改进，因此一般没必要构建模型应用的独权；而且一般不涉及具体的机器学习算法，可将模型当作黑盒处理。

改进在特征提取阶段的情况

将模型应用到某种具体场景中，模型训练和模型应用都需要采用合适的特征，此种情况下需要将特征提取的过程和/或特征的形态讲清楚，突出特征在模型训练和/或模型应用中的作用。此种情况下，可优先构建模型应用的独权，模型训练可构建为从权或者另外构建独权。必要时，可将模型训练和应用过程中对特征的具体处理过程体现在从权中，以进一步突出特征的作用，进一步突出发明点。此种情况下一般不涉及具体的机器学习算法，可将模型当作黑盒处理，甚至可以不出现模型的概念。

改进在模型内部结构变化的情况

比如神经网络模型的层次结构的调整。独权中需要出现模型结构的主要改进之处，并说明输入模型的数据如何经过模型内部结构得到输出结果，说清楚模型内部结构调整给模型数据处理带来了怎样的变化，以突出模型内部结构调整所带来的有益效果。此种情况下可就模型训练和模型应用分别构建独权，从权中可限定次要的内部结构调整及相应的数据处理、特征提取的过程以及模型输出结果的应用等。

改进点在模型参数更新算法的情况

此种情况一般改进点仅在于模型训练，需要在独权把模型参数更新算法的主要改进之处讲清楚，从权中可限定具体应用场景、特征提取等。

改进在模型组合训练的情况

此种情况需要至少2个模型配合训练。如果训练后的模型应用时仅涉及其中一个模型，另一个模型仅在训练时辅助使用，那么改进重点还是在模型训练。必要时可在从权中针对这种模型应用于具体场景的训练过程进行限定。如果训练后的模型应用时也是模型组合应用，那么模型组合应用可另外构建独权，从权中还可以对模型在具体应用场景中的应用进行限定。

改进在模型组合应用的情况

此种情况需要至少2个模型配合应用，比如一个模型用来提取特征，另一个模型则用来基于提取的特征输出结果。可参考改进在模型组合训练的情况。模型组合应用的改进一般也会涉及模型组合训练的改进，而模型组合训练的改进却并非会一定涉及模型组合应用的改进。

改进在模型输出结果应用的情况

此种情况出现最多，一般是对已有机器学习算法的应用，可能只在某个步骤中需要进行分类时用到，改进之处并不在模型的作用机理。此时，可将模型作为“黑盒”处理，或者甚至可以不出现模型这一概念。

改进在迁移学习的情况

迁移学习比较特殊，一般重点在“迁移”，就是说重点在于如何将一个领域的数据应用到另一个领域中，独权布局的重点在于数据的选择以及数据形态的变化，此时可将模型当作黑盒处理，甚至不出现模型的概念。如果改进在于数据的迁移和学习的结合，也就是改进重点在于模型训练，则有必要在独权中体现具体如何将迁移的数据用于模型训练。

以上针对涉及机器学习的方案各阶段的改进分别做了介绍，有兴趣的读者可以私下就实际案例与作者讨论。下篇的内容结束，希望能够对大家有所帮助。

编辑/赵蕊

校对/赵蕊

往期回顾

第16期：必看！一篇文章轻松带你玩转区块链专利撰写与布局

第17期：专利成为企业竞争焦点，看前富士康资深IPR如何做专利攻防？

第18期：泡沫or机遇？通过专利分析揭开区块链“神秘面纱”

第19期：AI这么火，那么专利申请文件怎么撰写？（上篇）

华进知识产权版权所有，未经授权不以任何形式使用，如需转载，请后台回复“转载”了解规则。