发布时间: 2023-09-25
作者：林方 资深专利代理师
在软通类专利申请中，经常会遇到涉及循环过程的方案。例如，机器学习模型的训练过程中，需要对模型进行循环训练；又例如，在寻求最优解（最大值、最小值等）的过程中，需要循环计算出多个中间值，以从中确定出最优解。
完整的循环过程通常如下图1所示，包含有循环步骤以及用于判断是否退出循环的结束条件。循环步骤中可以包含多个步骤，例如，开始步骤和中间步骤。在循环的过程中，执行一次循环步骤后，判断此次循环是否满足结束条件，若不满足结束条件，则再次执行循环步骤；若满足结束条件，则退出循环。
图1
在遇到涉及循环过程的方案时，首先需要判断权利要求书中应当包含的循环内容，通常有以下两种情况：
1、权利要求书需包含完整的循环过程（即，包含循环步骤以及结束条件）；
2、权利要求书只需包含一次循环过程（即，只包含循环步骤）。
在判断的过程中，重要依据是方案的改进点以及方案的完整性。其中，若方案的改进点侧重于循环的步骤，且一次循环过程就是完整的技术方案，则权利要求书中可以只包含一次循环过程；若方案的改进点侧重于通过循环的方式得到最优的结果，或，一次循环过程并非完整的技术方案，则权利要求书中需要包含完整的循环过程。
示例性案例1：
假设现有方案为：对机器学习模型进行多次循环训练，但是，每次训练中采用的训练样本是随机的。改进的方案为：根据上一次训练过程中机器学习模型的训练结果，选择此次训练过程中的训练样本；并根据选择出的训练样本进行此次训练；在训练后，若不满足条件，则返回“根据上一次训练过程中机器学习模型的训练结果，选择此次训练过程中的训练样本”进行循环，从而提升训练效率。
由此可见，示例性案例1中，改进点为优化每次训练过程中训练样本的选择方式，侧重于循环步骤的改进，且一次训练过程就是完整的技术方案，因此，权利要求书中可以只包含一次训练过程。
示例性案例2：
假设现有方案为：红绿灯的时长是固定的。改进的方案为：确定红灯时长，根据红灯时长计算行人等待时长以及车辆等待时长，并根据行人等待时长和车辆等待时长计算分数；若计算得到的分数小于阈值，或循环次数还未达到阈值，则返回“确定红灯时长”进行循环；若计算得到的分数大于阈值，或循环次数达到阈值，则从多次循环过程分别对应的分数中查找出最大分数，根据最大分数对应的红灯时长控制红灯的亮灯时长，从而自适应调整红灯时长，使车辆和行人快速通过。
由此可见，示例性案例2中，改进点为确定最优的红灯时长，侧重于通过循环的方式得到最终的结果，并且，一次循环过程也非完整的技术方案，因此，权利要求书中需包含完整的循环过程。
针对权利要求书中可以只包含一次训练过程的方案，在权利要求书中，只需依次撰写开始步骤和中间步骤。
针对权利要求书中需包含完整的循环过程的方案，笔者初步整理了以下两种撰写方式：
第一种撰写方式：利用“重新执行”的方式撰写循环过程。
在权利要求书中，可以先撰写一次完整的循环步骤，再通过撰写“重新执行循环步骤，直至满足结束条件” 的方式，体现出循环。其中，具体的撰写格式如下：
执行开始步骤；
执行中间步骤；
重新执行开始步骤和中间步骤，直至满足结束条件。
其中，若开始步骤和中间步骤的篇幅较长，则在撰写“重新执行开始步骤和中间步骤”的过程中，可以对开始步骤和中间步骤进行简化。
第二种撰写方式：利用先“概括”，再“具体”的方式撰写循环过程。
在权利要求书中，可以先对多次循环过程进行概括，再通过对每次循环过程进行具体介绍的方式，体现出循环。其中，具体的撰写格式如下：
多次执行循环步骤，直至满足结束条件；
在每次执行循环步骤的过程中，先执行开始步骤，再执行中间步骤。
以下结合具体的示例性案例3对上述两种撰写方式进行说明。
示例性案例3：参见下图2所示，方案包括：从样本集中选择多个训练样本后，先对训练样本进行归一化，再基于训练样本对机器学习模型的模型参数进行更新，若机器学习模型满足设定条件，则结束；若机器学习模型不满足设定条件，则返回至“从样本集中选择多个训练样本”进行循环。
图2
基于第一种撰写方式，示例性案例3的完整的循环过程对应的权利要求可以如下：
“一种数据处理方法，其特征在于，所述方法包括：
从训练样本集中选择多个训练样本，并对选择出的多个训练样本进行归一化处理；
根据归一化处理后的多个训练样本，更新机器学习模型的模型参数；
重新从所述训练样本集中选择多个训练样本，并对重新选择出的多个训练样本进行归一化处理；根据重新选择出的、且归一化处理后的多个训练样本，更新所述机器学习模型的模型参数，直至所述机器学习模型满足设定条件。”
其中，重新执行的步骤可以简化为：“重新从所述训练样本集中选择多个训练样本并进行归一化处理，根据重新选择出的、且归一化处理后的多个训练样本，更新所述机器学习模型的模型参数”。
基于第二种撰写方式，示例性案例3的完整的循环过程对应的权利要求可以如下：
“一种数据处理方法，其特征在于，所述方法包括：
对机器学习模型的模型参数进行多次更新，直至更新后的机器学习模型满足设定条件；
其中，在每次更新的过程中，从训练样本集中选择多个训练样本，并对选择出的多个训练样本进行归一化处理；根据归一化处理后的多个训练样本，更新所述机器学习模型的模型参数。”
总结：本文结合具体的案例介绍了权利要求书中循环过程的撰写方式，在实际撰写过程中，是否采用上述撰写方式以及采用上述哪种撰写方式，可以结合具体的技术方案进行具体分析，以保障权利要求的清楚性。
