李 晨

一、知識(shí)圖譜的概念及發(fā)展

知識(shí)是智力的基礎(chǔ)，人類(lèi)的智力活動(dòng)主要是獲得并運(yùn)用知識(shí)。計(jì)算機(jī)必須具有知識(shí)，才能使其具有智能，能夠模擬人類(lèi)的智力行為，知識(shí)需要用適當(dāng)?shù)哪Ｊ奖硎境鰜?lái)才能存儲(chǔ)到計(jì)算機(jī)中。傳統(tǒng)的知識(shí)存儲(chǔ)模式包括文本文檔、結(jié)構(gòu)化數(shù)據(jù)庫(kù)等。但是，由于互聯(lián)網(wǎng)信息暴增且雜亂無(wú)章，這就為知識(shí)的獲取、存儲(chǔ)和表達(dá)帶來(lái)了挑戰(zhàn)。

知識(shí)圖譜是機(jī)器大腦中的知識(shí)庫(kù)、人工智能應(yīng)用的基礎(chǔ)設(shè)施，旨在利用圖結(jié)構(gòu)建模知識(shí)，并實(shí)現(xiàn)識(shí)別、發(fā)現(xiàn)和推理事物、概念之間的復(fù)雜關(guān)系，是事物關(guān)系的可計(jì)算模型。構(gòu)建知識(shí)圖譜的核心任務(wù)之一是從海量資源中自動(dòng)抽取新知識(shí)，并將它們與圖譜中已有知識(shí)相融合。

知識(shí)圖譜是隨著語(yǔ)義網(wǎng)發(fā)展而衍生出的概念，作為一種表示結(jié)構(gòu)化知識(shí)的描述框架，其組成元素包含具有明確語(yǔ)義信息的“實(shí)體”、實(shí)體的“屬性”以及實(shí)體之間的“關(guān)系”。不同于語(yǔ)義網(wǎng)絡(luò)，為了規(guī)范圖譜構(gòu)建和方便知識(shí)擴(kuò)充，知識(shí)圖譜不僅涵蓋了具體的實(shí)例知識(shí)數(shù)據(jù)，還包括對(duì)知識(shí)數(shù)據(jù)統(tǒng)一的描述和定義，通常被稱(chēng)為知識(shí)體系（Schema ）或者本體（Ontology）。知識(shí)圖譜的另一個(gè)重要特點(diǎn)是其基礎(chǔ)結(jié)構(gòu)單元為三元組格式，能夠以一種簡(jiǎn)潔的形式同時(shí)表示描述型數(shù)據(jù)和實(shí)例型數(shù)據(jù)，為計(jì)算機(jī)自動(dòng)化、智能化地處理知識(shí)提供了有效支持。

為了進(jìn)一步解釋上述概念，可以換個(gè)角度，從實(shí)際應(yīng)用的角度出發(fā)，簡(jiǎn)單地把知識(shí)圖譜理解成多關(guān)系圖（Multi-relational Graph）。圖（Graph）是由節(jié)點(diǎn)（Vertex）和邊（Edge）來(lái)構(gòu)成，多關(guān)系圖一般包含多種類(lèi)型的節(jié)點(diǎn)和多種類(lèi)型的邊。實(shí)體（節(jié)點(diǎn)）指的是現(xiàn)實(shí)世界中的事物比如人、地名、概念、藥物、公司等，關(guān)系（邊）則用來(lái)表達(dá)不同實(shí)體之間的某種聯(lián)系，比如人-“居住在”-北京、張三和李四是“朋友”、邏輯回歸是深度學(xué)習(xí)的“先導(dǎo)知識(shí)”等等①CSDN 博主「越前浩波」博客，https://blog.csdn.net/weixin_44023658/article/details/112503294.。

知識(shí)圖譜主要用于實(shí)現(xiàn)互聯(lián)網(wǎng)中數(shù)據(jù)的知識(shí)化，必須具備兩個(gè)先決條件：一是數(shù)據(jù)的語(yǔ)義化，二是語(yǔ)義的表示。常用的數(shù)據(jù)知識(shí)化方法有以下四種：人工方法、自動(dòng)方法、融合方法和推理方法。知識(shí)圖譜的主要特點(diǎn)是：（1）知識(shí)圖譜是人工智能應(yīng)用中最基礎(chǔ)的知識(shí)資源；（2）知識(shí)圖譜具有語(yǔ)義表達(dá)能力豐富的優(yōu)點(diǎn)；（3）知識(shí)圖譜具有表達(dá)簡(jiǎn)潔的優(yōu)點(diǎn)；（4）知識(shí)圖譜具有表示能力統(tǒng)一，便于不同知識(shí)間的重組與融合；（5）知識(shí)圖譜的知識(shí)來(lái)自網(wǎng)絡(luò)，來(lái)源單一、方便，容易大量獲取；（6）知識(shí)圖譜采用圖結(jié)構(gòu)方式，易于存儲(chǔ)與檢索，同時(shí)也有利于高效推理②徐潔磐,周海燕.人工智能導(dǎo)論[M]，北京：中國(guó)鐵道出版社，2021(1):177-180.。

2012 年谷歌公司首先推出知識(shí)圖譜表示方法，接著在維基網(wǎng)站中利用它建立了維基百科（Wikipedia），自此以后，各類(lèi)著名網(wǎng)站相繼推出了各自的知識(shí)圖譜。目前，微軟公司和谷歌公司擁有全世界最大的通用知識(shí)圖譜，臉書(shū)公司擁有全世界最大的社交知識(shí)圖譜，而阿里巴巴和亞馬遜公司則分別構(gòu)建了商品知識(shí)圖譜。

現(xiàn)階段，知識(shí)圖譜廣泛應(yīng)用于知識(shí)搜索、自動(dòng)問(wèn)答及自動(dòng)推薦等多個(gè)領(lǐng)域，并且尚有更大的發(fā)展空間，例如，應(yīng)用于決策支持系統(tǒng)等。這種應(yīng)用組成了新一代專(zhuān)家系統(tǒng)，這種專(zhuān)家系統(tǒng)是新一代人工智能的重要組成部分。

二、專(zhuān)利申請(qǐng)及保護(hù)現(xiàn)狀

基于國(guó)家知識(shí)產(chǎn)權(quán)局公開(kāi)的專(zhuān)利數(shù)據(jù)，筆者選用“知識(shí)圖譜”、“三元組”、“資源描述框架”、“本體”、“關(guān)系”等關(guān)鍵詞的中英文形式及其縮寫(xiě)，結(jié)合IPC 分類(lèi)號(hào)G06F16/、G06F17/30，在中國(guó)專(zhuān)利全文數(shù)據(jù)庫(kù)（CNTXT）、世界專(zhuān)利文摘數(shù)據(jù)庫(kù)（WPABS）中進(jìn)行檢索，并去噪后統(tǒng)計(jì)，最終獲得涉及知識(shí)圖譜的中國(guó)發(fā)明專(zhuān)利申請(qǐng)數(shù)量共10445 件，全球?qū)＠?4795 件（統(tǒng)計(jì)時(shí)間為2022 年4 月5 日）。需要說(shuō)明的是，由于專(zhuān)利申請(qǐng)之后需要一段時(shí)間才被公開(kāi)，因此，2020 年至今的部分專(zhuān)利申請(qǐng)?zhí)幱谏形垂_(kāi)的狀態(tài)從而無(wú)法體現(xiàn)在以下的分析圖表中。

從圖1 的知識(shí)圖譜相關(guān)專(zhuān)利申請(qǐng)態(tài)勢(shì)圖可以看出，在2017 年以前，知識(shí)圖譜相關(guān)專(zhuān)利申請(qǐng)?zhí)幱谄鸩诫A段，呈緩慢增長(zhǎng)態(tài)勢(shì)；自2017 年至今，知識(shí)圖譜相關(guān)專(zhuān)利申請(qǐng)量呈現(xiàn)明顯增長(zhǎng)態(tài)勢(shì)（排除2020 年以后專(zhuān)利申請(qǐng)公開(kāi)滯后的影響）。全球?qū)＠暾?qǐng)與中國(guó)專(zhuān)利申請(qǐng)?jiān)鲩L(zhǎng)趨勢(shì)基本同步，且中國(guó)專(zhuān)利申請(qǐng)量在全球?qū)＠暾?qǐng)量中占據(jù)主體。七成以上的全球?qū)＠暾?qǐng)選擇中國(guó)作為其申請(qǐng)目標(biāo)國(guó)。

圖1 知識(shí)圖譜相關(guān)專(zhuān)利申請(qǐng)態(tài)勢(shì)圖

從圖2 知識(shí)圖譜相關(guān)專(zhuān)利申請(qǐng)的全球主要申請(qǐng)人分布可知，全球申請(qǐng)量位列前十位的申請(qǐng)人依次為：百度、國(guó)際商業(yè)機(jī)器（IBM）、平安、國(guó)家電網(wǎng)、騰訊、微軟、浙江大學(xué)、阿里巴巴、北京明略軟件和清華大學(xué)。其中有八個(gè)申請(qǐng)人是來(lái)源于中國(guó)或其經(jīng)濟(jì)活動(dòng)主要在中國(guó)，只有國(guó)際商業(yè)機(jī)器（IBM）和微軟兩個(gè)申請(qǐng)人來(lái)源于美國(guó)。說(shuō)明我國(guó)在該領(lǐng)域的研發(fā)上投入大，具有一定研發(fā)優(yōu)勢(shì)。申請(qǐng)量前十位申請(qǐng)人中，有兩家高校，其余八家均為企業(yè)，說(shuō)明該領(lǐng)域?qū)＠暾?qǐng)更多地集中在產(chǎn)業(yè)界，知識(shí)圖譜和各行各業(yè)的深度融合，應(yīng)用廣泛。據(jù)統(tǒng)計(jì)，知識(shí)圖譜在美國(guó)的已決申請(qǐng)中授權(quán)率大約為60%，略低于在中國(guó)的已決申請(qǐng)中授權(quán)率約為62%的授權(quán)率③利用HimmPat 檢索分析平臺(tái)統(tǒng)計(jì)得到。，兩國(guó)授權(quán)率相差不大。

圖2 知識(shí)圖譜相關(guān)專(zhuān)利申請(qǐng)全球主要申請(qǐng)人分布

通過(guò)上述對(duì)知識(shí)圖譜相關(guān)的專(zhuān)利申請(qǐng)數(shù)據(jù)的分析可知，我國(guó)在該領(lǐng)域的技術(shù)發(fā)展已經(jīng)進(jìn)入高速發(fā)展期，同時(shí)，包括企業(yè)和科研院所在內(nèi)的眾多創(chuàng)新主體十分重視知識(shí)圖譜相關(guān)技術(shù)的知識(shí)產(chǎn)權(quán)保護(hù)。因此，更好的明確知識(shí)圖譜相關(guān)專(zhuān)利申請(qǐng)的審查規(guī)則，有助于指導(dǎo)創(chuàng)新主體在該領(lǐng)域的申請(qǐng)以及對(duì)知識(shí)圖譜相關(guān)技術(shù)給予更好地保護(hù)。

三、審查規(guī)則和典型疑問(wèn)

（一）現(xiàn)有審查規(guī)定

我國(guó)目前沒(méi)有專(zhuān)設(shè)針對(duì)知識(shí)圖譜相關(guān)專(zhuān)利申請(qǐng)的審查規(guī)則，與該領(lǐng)域?qū)＠暾?qǐng)的客體審查相關(guān)的法條為：《專(zhuān)利法》第二十五條第一款第（二）項(xiàng)和專(zhuān)利法第二條第二款。相關(guān)審查規(guī)則還包括：

《專(zhuān)利審查指南》第二部分第一章規(guī)定：

在判斷涉及智力活動(dòng)的規(guī)則和方法的專(zhuān)利申請(qǐng)要求保護(hù)的主題是否屬于可授予專(zhuān)利權(quán)的客體時(shí)，應(yīng)當(dāng)遵循以下原則：

（1）如果一項(xiàng)權(quán)利要求僅僅涉及智力活動(dòng)的規(guī)則和方法，則不應(yīng)當(dāng)被授予專(zhuān)利權(quán)。

如果一項(xiàng)權(quán)利要求，除其主題名稱(chēng)以外，對(duì)其進(jìn)行限定的全部?jī)?nèi)容均為智力活動(dòng)的規(guī)則和方法，則該權(quán)利要求實(shí)質(zhì)上僅僅涉及智力活動(dòng)的規(guī)則和方法，也不應(yīng)當(dāng)被授予專(zhuān)利權(quán)。

（2）除了上述（1）所描述的情形之外，如果一項(xiàng)權(quán)利要求在對(duì)其進(jìn)行限定的全部?jī)?nèi)容中既包含智力活動(dòng)的規(guī)則和方法的內(nèi)容，又包含技術(shù)特征，則該權(quán)利要求就整體而言并不是一種智力活動(dòng)的規(guī)則和方法，不應(yīng)當(dāng)依據(jù)《專(zhuān)利法》第二十五條排除其獲得專(zhuān)利權(quán)的可能性。

《專(zhuān)利審查指南》（2020 版）第二部分第九章規(guī)定：

如果權(quán)利要求中涉及算法的各個(gè)步驟體現(xiàn)出與所要解決的技術(shù)問(wèn)題密切相關(guān)，如算法處理的數(shù)據(jù)是技術(shù)領(lǐng)域中具有確切技術(shù)含義的數(shù)據(jù)，算法的執(zhí)行能直接體現(xiàn)出利用自然規(guī)律解決某一技術(shù)問(wèn)題的過(guò)程，并且獲得了技術(shù)效果，則通常該權(quán)利要求限定的解決方案屬于《專(zhuān)利法》第二條第二款所述的技術(shù)方案。

（二）典型疑問(wèn)

結(jié)合上述知識(shí)圖譜的技術(shù)特點(diǎn)、我國(guó)現(xiàn)行相關(guān)審查規(guī)則和審查現(xiàn)狀，筆者發(fā)現(xiàn)在知識(shí)圖譜相關(guān)的專(zhuān)利的申請(qǐng)和審查規(guī)則方面，創(chuàng)新主體普遍存在以下疑問(wèn)：

1.知識(shí)圖譜是某類(lèi)事物、某個(gè)領(lǐng)域知識(shí)的圖形化表示，是否知識(shí)圖譜的構(gòu)建就屬于《專(zhuān)利審查指南》中指出的“信息表述方法”，從而不符合專(zhuān)利保護(hù)客體的要求？

2.以何種方式撰寫(xiě)知識(shí)圖譜構(gòu)建方法的專(zhuān)利申請(qǐng)，才有可能屬于專(zhuān)利保護(hù)的客體？

3.抽象的知識(shí)圖譜構(gòu)建方法，與具體領(lǐng)域的知識(shí)圖譜的構(gòu)建方法，在是否屬于專(zhuān)利保護(hù)客體的審查標(biāo)準(zhǔn)上，有什么不同？

四、典型案例

以下將通過(guò)三個(gè)案例，嘗試解答以上疑問(wèn)，并以此來(lái)明晰有關(guān)知識(shí)圖譜相關(guān)專(zhuān)利申請(qǐng)的審查規(guī)則。

（一）案例一:藥品說(shuō)明書(shū)的知識(shí)圖譜構(gòu)建方法

1.背景技術(shù)

藥品說(shuō)明書(shū)是臨床醫(yī)生和臨床藥師在為患者提供藥物治療方案時(shí)最重要的循證證據(jù)。隨著醫(yī)學(xué)信息化的發(fā)展，各大三甲醫(yī)院廣泛使用的處方前置審核系統(tǒng)不但可以方便查找藥品說(shuō)明書(shū)，還可以依據(jù)藥品說(shuō)明書(shū)的配伍禁忌、特殊人群、禁忌癥、相互作用等自動(dòng)提示臨床醫(yī)生和臨床藥師該患者處方的問(wèn)題。這對(duì)保障患者的合理安全用藥有非常重要的意義。

在目前，藥品說(shuō)明書(shū)內(nèi)容是按照醫(yī)院處方審核的要求，按照藥品說(shuō)明書(shū)的適應(yīng)癥、配伍禁忌、用法用量、年齡、人群、禁忌癥、相互作用等不同字段存儲(chǔ)在關(guān)系型數(shù)據(jù)庫(kù)中的，在使用的過(guò)程中也是通過(guò)字段匹配來(lái)查找相應(yīng)的內(nèi)容的。通過(guò)患者處方上提供的性別、年齡、臨床診斷、藥品名稱(chēng)、用法用量等，尋找數(shù)據(jù)庫(kù)中與查找內(nèi)容完全相符的信息。

2.問(wèn)題及效果

現(xiàn)有技術(shù)中，無(wú)法處理較為復(fù)雜的查詢(xún)要求，查詢(xún)效率低，只能發(fā)現(xiàn)患者處方不合理的問(wèn)題，但無(wú)法提供解決方案。該申請(qǐng)?zhí)峁┑乃幤氛f(shuō)明書(shū)的知識(shí)圖譜構(gòu)建方法，通過(guò)依據(jù)藥品說(shuō)明書(shū)數(shù)據(jù)庫(kù)構(gòu)建藥品說(shuō)明書(shū)知識(shí)圖譜，對(duì)藥品說(shuō)明書(shū)進(jìn)行多維度描述，更貼近臨床醫(yī)生和臨床藥師對(duì)藥品說(shuō)明書(shū)的理解方式，也提高了檢索效率，為臨床醫(yī)生和臨床藥師提供了臨床輔助決策，為患者提供更合理安全的用藥方案。

3.權(quán)利要求

一種藥品說(shuō)明書(shū)知識(shí)圖譜構(gòu)建方法，其特征在于，藥品說(shuō)明書(shū)知識(shí)圖譜的三元組形式為：<實(shí)體>，<關(guān)系>或<屬性>，<實(shí)體>；

其中，實(shí)體的內(nèi)容包括：藥品名稱(chēng)、適應(yīng)癥名稱(chēng)、禁忌癥名稱(chēng)、檢驗(yàn)檢查項(xiàng)、癥狀、不良反應(yīng)和病史；

實(shí)體的關(guān)系包括：

映射關(guān)系，定義一種實(shí)體是另一個(gè)實(shí)體的一個(gè)實(shí)例；

分類(lèi)關(guān)系，定義一個(gè)實(shí)體是一類(lèi)實(shí)體的成員；

屬性關(guān)系，定義一個(gè)實(shí)體與屬性之間的關(guān)系；

聚合關(guān)系，定義一個(gè)實(shí)體與全部實(shí)體之間的關(guān)系；

時(shí)間關(guān)系，定義不同實(shí)體產(chǎn)生的先后順序；

相近關(guān)系，定義不同實(shí)體藥理近似的關(guān)系；

實(shí)體的屬性包括詳細(xì)描述實(shí)體的維度或者設(shè)定條件的維度，具體包括：藥品的劑量、劑型、生產(chǎn)廠(chǎng)家、藥品毒副作用、不良反應(yīng)臨床試驗(yàn)時(shí)間、不良反應(yīng)發(fā)生率、不良反應(yīng)處理和根據(jù)不良反應(yīng)調(diào)整給藥頻次值。

4.案例分析

知識(shí)圖譜三元組的定義和表達(dá)類(lèi)似于數(shù)據(jù)結(jié)構(gòu)的定義和表達(dá)。單純的數(shù)據(jù)結(jié)構(gòu)因?qū)儆谛畔⒈磉_(dá)的方法，從而屬于智力活動(dòng)的規(guī)則和方法，不能被授予專(zhuān)利權(quán)。

針對(duì)某個(gè)具體應(yīng)用領(lǐng)域的知識(shí)圖譜的三元組定義和表達(dá)，如果方案只涉及對(duì)三元組（實(shí)體、關(guān)系和屬性）的定義，仍屬于信息表述方法，無(wú)法獲得專(zhuān)利保護(hù)。不會(huì)因?yàn)槠浞桨赣芯唧w的應(yīng)用領(lǐng)域、知識(shí)圖譜的三元組的實(shí)體、屬性有具體的參數(shù)含義，就使得其屬于專(zhuān)利保護(hù)客體。

具體到該申請(qǐng)，方案雖然涉及藥品說(shuō)明書(shū)的知識(shí)圖譜構(gòu)建，但是僅僅是定義了實(shí)體的內(nèi)容包括藥品名稱(chēng)、適應(yīng)癥名稱(chēng)、禁忌癥名稱(chēng)、檢驗(yàn)檢查項(xiàng)、癥狀、不良反應(yīng)和病史；關(guān)系的內(nèi)容包括映射、分類(lèi)、屬性、聚合、時(shí)間等；屬性包括藥品的劑量、劑型、生產(chǎn)廠(chǎng)家、藥品毒副作用、不良反應(yīng)臨床試驗(yàn)時(shí)間、不良反應(yīng)發(fā)生率等。顯然，上述內(nèi)容僅涉及對(duì)三元組本身的定義，仍屬于信息的表述方法，因此，屬于《專(zhuān)利法》第二十五條第一款第（二）項(xiàng)規(guī)定的智力活動(dòng)的規(guī)則和方法，不屬于專(zhuān)利保護(hù)的客體。

綜上，對(duì)于有具體應(yīng)用領(lǐng)域的知識(shí)圖譜的解決方案，如果方案僅是構(gòu)建了該領(lǐng)域的知識(shí)圖譜，例如只包括三元組的定義和表達(dá)，那么該方案無(wú)法構(gòu)成專(zhuān)利保護(hù)的客體。

（二）案例二:基于模糊理論的知識(shí)圖譜優(yōu)化方法

1.背景技術(shù)

知識(shí)圖譜的初衷是為了闡述現(xiàn)實(shí)世界中各種存在的實(shí)體之間、關(guān)系之間以及實(shí)體與關(guān)系的屬性的聯(lián)系，其利用三元組中的關(guān)系來(lái)描述“頭實(shí)體”和“尾實(shí)體”所具有的具體聯(lián)系，其主要實(shí)現(xiàn)的目標(biāo)是改進(jìn)搜索引擎，使其搜索結(jié)果的準(zhǔn)確性和用戶(hù)搜索體驗(yàn)得到提高，其中涉及分類(lèi)和預(yù)測(cè)等多種具體應(yīng)用。目前的知識(shí)圖譜算法大多數(shù)都是基于三元組(頭實(shí)體，關(guān)系，尾實(shí)體)形式的，實(shí)體是知識(shí)圖譜中的最基本元素，不同的實(shí)體間存在不同的關(guān)系。目前這種三元組的表達(dá)方式越來(lái)越流行，例如，萬(wàn)維網(wǎng)聯(lián)盟發(fā)布的資源描述框架技術(shù)標(biāo)準(zhǔn)。特別是在谷歌提出知識(shí)圖譜的概念后，這種表達(dá)形式更是被廣泛接受。

現(xiàn)有的知識(shí)圖譜技術(shù)大多基于深度學(xué)習(xí)算法構(gòu)建，并且將其中的每個(gè)向量中每一維的數(shù)據(jù)都孤立地看待，這就使得想要構(gòu)建效果更好的知識(shí)圖譜的過(guò)程往往需要更多的訓(xùn)練時(shí)間和更大規(guī)模的訓(xùn)練集。

2.問(wèn)題及效果

基于現(xiàn)有技術(shù)的缺陷，該申請(qǐng)引入模糊理論的思想，提出一種基于模糊邏輯和模糊向量的模型，使用模糊向量的運(yùn)算方法來(lái)對(duì)各維訓(xùn)練數(shù)據(jù)進(jìn)行運(yùn)算，將模糊邏輯中賦予數(shù)據(jù)的語(yǔ)義信息與深度學(xué)習(xí)理論相結(jié)合，減少了訓(xùn)練的復(fù)雜程度，縮短了訓(xùn)練時(shí)間。

3.權(quán)利要求

一種基于模糊理論的知識(shí)圖譜優(yōu)化方法，其特征在于，具體步驟如下：

步驟1：獲取訓(xùn)練集三元組數(shù)據(jù)，并對(duì)所有三元組數(shù)據(jù)預(yù)處理，包括步驟1.1～步驟1.2：

步驟1.1：獲取訓(xùn)練集三元組數(shù)據(jù)，將所有三元組隨機(jī)初始化，將三元組隨機(jī)初始化成兩組不同的向量，一組用來(lái)構(gòu)建三元組本身，另一組用來(lái)構(gòu)建在模糊空間的三元組模糊投影，具體過(guò)程如下：

設(shè)有p個(gè)三元組(hi,ri,ti,)i=1,2,...,p,hi表示頭實(shí)體，ri表示關(guān)系，ti表示尾實(shí)體，(hi,ri,ti,)表示hi和ti具有ri關(guān)系，采用模糊矩陣的乘積的形式表示雙重模糊集在模糊關(guān)系中的合成，即，對(duì)于模糊向量lt和fr，lt在fr上的投影表示為tfr=lt·fr=∨(lt∧fr)，對(duì)于任意模糊變量a∈lt和b∈fr，設(shè)-1 ≤a≤b≤1 時(shí)有：

對(duì)于每一個(gè)三元組(h,r,t)所對(duì)應(yīng)的向量分別初始化：h對(duì)應(yīng)初始化為h和hm；r對(duì)應(yīng)初始化為r和rm；t對(duì)應(yīng)初始化為t和tm，其中，帶有m下標(biāo)的向量表示用來(lái)構(gòu)建映射矩陣的元素，不帶m下標(biāo)的代表元素本身的向量；且h與hm均∈Rk，t與tm均∈Rk，r與rm均∈Rn，k和n分別表示實(shí)體向量和關(guān)系向量的維度，k＝n，且h、hm、t、tm、r、rm均被設(shè)定為列向量；

步驟1.2：向量歸一化；對(duì)h、hm、r、rm、t和tm分別進(jìn)行歸一化操作，歸一化公式為：x＝x/||x||，其中，X＝h或hm或r或rm或t或tm，歸一化后的h、hm、r、rm、t和tm數(shù)值范圍如下：h≤1，hm≤1，r≤1，rm≤1，t≤1，tm≤1；

步驟2.基于模糊關(guān)系合成的知識(shí)圖譜構(gòu)建，獲得知識(shí)圖譜的模糊關(guān)系，包括步驟2.1～步驟2.2：

步驟2.1：模糊投影：將歸一化后得到的hm和tm分別對(duì)rm進(jìn)行模糊投影，得到兩個(gè)模糊矩陣Fhr和Ftr，具體過(guò)程和原理如下：

將hm和tm分別對(duì)rm進(jìn)行模糊投影，分別得到如下兩個(gè)模糊矩陣Fhr和Ftr：

其中，hT為h的轉(zhuǎn)置，X○Y形似模糊矩陣的乘積，這里X為rm，Y為hm或者tTm；

步驟2.2：模糊關(guān)系合成：將兩個(gè)模糊矩陣Fhr和Ftr分別與hT和tT進(jìn)行模糊關(guān)系合成，在得到投影空間之后，通過(guò)分別計(jì)算對(duì)頭實(shí)體和尾實(shí)體的模糊空間Fhr和FTr的映射的方法來(lái)進(jìn)行模糊關(guān)系合成，具體公式如下：

其中，lhr為模糊空間Fhr與hT的模糊關(guān)系，ltr為模糊空間Ftr與tT的模糊關(guān)系；

步驟3：基于損失函數(shù)，最小化目標(biāo)優(yōu)化函數(shù)，獲得優(yōu)化后的三元組向量，即為優(yōu)化后的知識(shí)圖譜的三元組集合。

4.案例分析

知識(shí)圖譜通?；谌M進(jìn)行構(gòu)建，實(shí)體是知識(shí)圖譜中最基本元素，不同的實(shí)體間存在不同的關(guān)系。知識(shí)圖譜最廣泛的應(yīng)用是搜索，即，增加搜索深度和廣度，找到最想要的信息。知識(shí)圖譜涉及對(duì)知識(shí)資源的挖掘、分析、構(gòu)建、繪制和顯示，融合了應(yīng)用數(shù)學(xué)、圖形學(xué)、信息可視化技術(shù)、信息科學(xué)等多門(mén)學(xué)科，涉及三元組構(gòu)建的專(zhuān)利申請(qǐng)只是知識(shí)圖譜相關(guān)專(zhuān)利申請(qǐng)中的一種，判斷涉及知識(shí)圖譜的專(zhuān)利申請(qǐng)的客體時(shí)，應(yīng)結(jié)合具體案情，根據(jù)申請(qǐng)要解決的問(wèn)題和記載的手段進(jìn)行具體分析。

具體到該案，該案請(qǐng)求保護(hù)一種基于模糊理論的知識(shí)圖譜優(yōu)化方法。該方案利用兩組不同的向量分別構(gòu)建三元組本身和模糊空間下的三元組模糊投影，基于損失函數(shù)獲得優(yōu)化后的三元組集合。上述手段僅涉及對(duì)三元組結(jié)構(gòu)的定義和依據(jù)設(shè)定規(guī)則的計(jì)算，其中算法特征的執(zhí)行未體現(xiàn)出利用自然規(guī)律解決技術(shù)問(wèn)題的過(guò)程，因而并非技術(shù)手段；所能解決的問(wèn)題僅僅是三元組表達(dá)方式的優(yōu)化，并非技術(shù)問(wèn)題，優(yōu)化三元組本身的表達(dá)獲得的減少數(shù)據(jù)集訓(xùn)練時(shí)間的效果也并非技術(shù)效果。此外，雖然該申請(qǐng)聲稱(chēng)“使用模糊向量的運(yùn)算方法對(duì)各維訓(xùn)練數(shù)據(jù)進(jìn)行運(yùn)算，將模糊邏輯中賦予數(shù)據(jù)的語(yǔ)義信息與深度學(xué)習(xí)理論相結(jié)合”，但當(dāng)前權(quán)利要求記載的手段中并未體現(xiàn)出對(duì)語(yǔ)義信息的利用和處理。因此，該申請(qǐng)請(qǐng)求保護(hù)的解決方案不構(gòu)成《專(zhuān)利法》第二條第二款規(guī)定的技術(shù)方案，不屬于專(zhuān)利保護(hù)的客體。

（三）案例三:基于融合特征的知識(shí)圖譜的水電組故障診斷方法

1.背景技術(shù)

水輪發(fā)電機(jī)組的運(yùn)行狀態(tài)是否安全可靠，直接關(guān)系到水電站能否安全經(jīng)濟(jì)提供可靠的電力，也直接關(guān)系到水電站本身的安全。隨著大型水輪發(fā)電機(jī)組在整個(gè)電力系統(tǒng)中的比重越來(lái)越大，對(duì)水電設(shè)備的可用率、機(jī)組運(yùn)行安全性、可靠性與經(jīng)濟(jì)性提出了更高的要求，事故停機(jī)造成的經(jīng)濟(jì)損失可能會(huì)更為嚴(yán)重，給水電設(shè)備的運(yùn)行管理帶來(lái)更多的挑戰(zhàn)。隨著科技發(fā)展，水輪發(fā)電機(jī)組的故障診斷正由人工診斷到智能診斷、由離線(xiàn)診斷到在線(xiàn)診斷、由現(xiàn)場(chǎng)診斷到遠(yuǎn)程診斷逐漸發(fā)展。

故障診斷的核心是特征提取，通過(guò)特征提取后用分類(lèi)器進(jìn)行故障分類(lèi)。目前，在水力發(fā)電機(jī)組振動(dòng)故障診斷領(lǐng)域中得以研究和應(yīng)用的重點(diǎn)方法主要有故障樹(shù)故障診斷方法、模糊診斷方法、小波分析、深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)等。

2.問(wèn)題及效果

水電機(jī)組試驗(yàn)報(bào)告、大修報(bào)告、巡檢記錄等非結(jié)構(gòu)文本數(shù)據(jù)中蘊(yùn)含大量高價(jià)值故障知識(shí)，合理抽取文本故障知識(shí)對(duì)提高水電機(jī)組故障診斷效果具有重要意義。對(duì)水電機(jī)組的故障診斷文本進(jìn)行知識(shí)抽取的關(guān)鍵問(wèn)題在于，從異構(gòu)的文本非結(jié)構(gòu)化數(shù)據(jù)中抽取出有效的結(jié)構(gòu)化信息，目前，其研究的重點(diǎn)在于針對(duì)故障、特征等命名實(shí)體進(jìn)行識(shí)別與實(shí)體關(guān)系抽取。知識(shí)圖譜推理診斷的目的是根據(jù)已有的知識(shí)圖譜和當(dāng)前的狀態(tài)特征找到對(duì)應(yīng)的設(shè)備故障。

該申請(qǐng)通過(guò)同時(shí)提取非結(jié)構(gòu)化的振動(dòng)數(shù)據(jù)和結(jié)構(gòu)化的診斷報(bào)告文本數(shù)據(jù)，并進(jìn)行異構(gòu)數(shù)據(jù)融合，以融合特征作為水電機(jī)組故障診斷的依據(jù)，解決了水電機(jī)組故障診斷時(shí)真實(shí)故障數(shù)據(jù)缺乏、故障診斷不夠準(zhǔn)確的技術(shù)問(wèn)題。

3.權(quán)利要求

一種基于融合特征的知識(shí)圖譜的水電機(jī)組故障診斷方法，其特征在于，該方法包括以下步驟：

S1.根據(jù)水電機(jī)組振動(dòng)數(shù)據(jù)，提取水電機(jī)組的結(jié)構(gòu)化振動(dòng)數(shù)據(jù)特征；

S2.根據(jù)水電機(jī)組多種診斷報(bào)告，提取水電機(jī)組診斷報(bào)告的非結(jié)構(gòu)化文本數(shù)據(jù)特征；

S3.將所述水電機(jī)組的結(jié)構(gòu)化振動(dòng)數(shù)據(jù)特征和所述水電機(jī)組診斷報(bào)告的非結(jié)構(gòu)化文本數(shù)據(jù)特征進(jìn)行異構(gòu)知識(shí)融合，得到融合特征；

S4.根據(jù)所述融合特征，構(gòu)建水電機(jī)組故障診斷知識(shí)圖譜；

S5.根據(jù)所述水電機(jī)組故障診斷知識(shí)圖譜和實(shí)時(shí)獲取的水電機(jī)組當(dāng)前狀態(tài)特征，對(duì)水電機(jī)組當(dāng)前狀態(tài)進(jìn)行推理診斷，推斷出各種故障發(fā)生的可能性；

其中，振動(dòng)數(shù)據(jù)包括振動(dòng)位移、速度和加速度傳感器采集的原始數(shù)據(jù)；結(jié)構(gòu)化振動(dòng)數(shù)據(jù)特征包括傳統(tǒng)特征和深度特征。

其中步驟S5 具體為：

S501.通過(guò)深度學(xué)習(xí)模型與傳統(tǒng)特征提取，得到與圖譜中對(duì)應(yīng)的特征實(shí)體和屬性值；

S502.實(shí)時(shí)獲取水電機(jī)組當(dāng)前狀態(tài)的數(shù)值數(shù)據(jù)、狀態(tài)值和超限值；

S503.通過(guò)深度提取模型對(duì)所述數(shù)值數(shù)據(jù)進(jìn)行特征提取得到深度特征，以深度特征、狀態(tài)值和超限值為目標(biāo)，在知識(shí)圖譜模式層中檢索其名稱(chēng)并提取出圖譜中的相關(guān)實(shí)體和邊構(gòu)成關(guān)系子圖；

S504.根據(jù)所述關(guān)系子圖中節(jié)點(diǎn)和邊的拓?fù)浣Y(jié)構(gòu)，建立貝葉斯概率網(wǎng)絡(luò)模型，使用貝葉斯概率網(wǎng)絡(luò)推導(dǎo)出故障的概率。

4.案例分析

該申請(qǐng)權(quán)利要求請(qǐng)求保護(hù)一種基于知識(shí)圖譜的水電機(jī)組故障診斷方法，該方案通過(guò)對(duì)水電機(jī)組結(jié)構(gòu)化振動(dòng)數(shù)據(jù)和診斷報(bào)告的非結(jié)構(gòu)化文本數(shù)據(jù)的特征提取和異構(gòu)數(shù)據(jù)的知識(shí)融合，解決了水電機(jī)組故障診斷中存在的真實(shí)故障數(shù)據(jù)缺乏、故障診斷不夠準(zhǔn)確的技術(shù)問(wèn)題；該方法中各步驟具體限定了處理的對(duì)象是有明確技術(shù)含義的數(shù)據(jù)，如，水電機(jī)組診斷報(bào)告的非結(jié)構(gòu)化文本數(shù)據(jù)等；為解決上述技術(shù)問(wèn)題，該申請(qǐng)所采用的手段并非僅僅是構(gòu)建知識(shí)圖譜本身，而是涉及具體領(lǐng)域的知識(shí)圖譜構(gòu)建及其應(yīng)用方法。具體而言，該申請(qǐng)根據(jù)水電機(jī)組故障診斷知識(shí)圖譜和實(shí)時(shí)獲取的水電機(jī)組當(dāng)前狀態(tài)特征，對(duì)水電機(jī)組當(dāng)前狀態(tài)進(jìn)行推理診斷，推斷出各種故障發(fā)生的可能性，采用的手段是遵循自然規(guī)律的技術(shù)手段，據(jù)此獲得了提高故障診斷準(zhǔn)確性的技術(shù)效果。

因此，該申請(qǐng)權(quán)利要求的解決方案構(gòu)成《專(zhuān)利法》第二條第二款規(guī)定的技術(shù)方案，屬于專(zhuān)利保護(hù)的客體。

綜上所述，知識(shí)圖譜相關(guān)發(fā)明專(zhuān)利申請(qǐng)，并不因?yàn)槠渖婕爸R(shí)圖譜構(gòu)建或應(yīng)用就必然構(gòu)成技術(shù)方案，而要看其方案在整體上是否采用了遵循自然規(guī)律的技術(shù)手段，并解決相應(yīng)的技術(shù)問(wèn)題、獲得相應(yīng)的技術(shù)效果。

五、結(jié)語(yǔ)

由以上三個(gè)案例的分析可知，對(duì)于涉及知識(shí)圖譜的專(zhuān)利申請(qǐng)，判斷其是否屬于專(zhuān)利保護(hù)客體，需要根據(jù)《專(zhuān)利法》第二十五條第一款第（二）項(xiàng)和《專(zhuān)利法》第二條第二款兩個(gè)法條來(lái)進(jìn)行判斷。

如果權(quán)利要求中僅記載知識(shí)圖譜三元組的定義或表達(dá)的解決方案，則權(quán)利要求的方案實(shí)質(zhì)上是一種單純的信息表述方法，屬于智力活動(dòng)的規(guī)則和方法，不構(gòu)成專(zhuān)利保護(hù)的客體。如果方案僅涉及知識(shí)圖譜本身的優(yōu)化，未采用技術(shù)手段解決技術(shù)問(wèn)題以獲得符合自然規(guī)律的技術(shù)效果，則不構(gòu)成技術(shù)方案。如果方案中用三元組表達(dá)的處理對(duì)象是語(yǔ)義信息、文本數(shù)據(jù)等技術(shù)數(shù)據(jù)，體現(xiàn)出對(duì)技術(shù)數(shù)據(jù)的具體處理過(guò)程，那么，這樣的解決方案有可能構(gòu)成技術(shù)方案。如果方案采用了自然語(yǔ)言處理、異構(gòu)數(shù)據(jù)融合等手段解決具體應(yīng)用領(lǐng)域的技術(shù)問(wèn)題，并獲得了相應(yīng)的技術(shù)效果，則該方案屬于技術(shù)方案。

專(zhuān)家點(diǎn)評(píng)

“知識(shí)圖譜”是人工智能的一個(gè)重要分支和研究領(lǐng)域，產(chǎn)業(yè)應(yīng)用廣泛、技術(shù)創(chuàng)新活躍、專(zhuān)利申請(qǐng)量較大。本文介紹了“知識(shí)圖譜”的概念、全球?qū)＠暾?qǐng)態(tài)勢(shì)及中美兩局知識(shí)圖譜領(lǐng)域的專(zhuān)利申請(qǐng)授權(quán)率分析，使讀者能夠直觀了解“知識(shí)圖譜”相關(guān)的專(zhuān)利申請(qǐng)態(tài)勢(shì)和專(zhuān)利審查概況，進(jìn)而通過(guò)三件典型專(zhuān)利申請(qǐng)的分析，梳理了“知識(shí)圖譜”相關(guān)專(zhuān)利申請(qǐng)的客體審查規(guī)則，以期在一定程度上解答創(chuàng)新主體在“知識(shí)圖譜”領(lǐng)域可能存在的疑問(wèn)，助力創(chuàng)新主體更好地保護(hù)知識(shí)圖譜相關(guān)技術(shù)創(chuàng)新成果，促進(jìn)該領(lǐng)域?qū)＠暾?qǐng)質(zhì)量的提升。