从实际案例出发浅谈修改超范围的判断

从实际案例出发浅谈修改超范围的判断

杨静,邱希磊

（国家知识产权局专利局专利审查协作湖北中心，湖北省武汉市，430205）

摘要：在专利审查的过程中，申请人会为了克服专利申请文件的撰写缺陷或者为了克服专利审查意见指出的问题而对专利申请文件进行修改，而专利申请文件的修改需要依据专利法第三十三条的规定“申请人可以对专利申请文件进行修改,但是,对发明和实用新型专利申请文件的修改不得超出原说明书和权利要求书记载的范围”，因此如何判断申请人对专利申请文件的修改是否超出原说明书和权利要求书记载的范围成为审查过程中的重点。本文基于专利法三十三条的立法本意结合审查过程中的实际案例浅谈发明专利申请的修改是否超范围的判断。

关键词：专利申请     修改超范围

一、引言

专利申请在专利审查的过程中，申请人为了克服专利申请文件存在的缺陷以获得授权，会对专利申请文件进行修改，专利法赋予申请人修改专利申请文件的权利，但是同时专利法也对申请人对专利法的修改进行了一定的限制，即专利的修改只能在原申请文件的范围，专利法禁止专利权人将其在审批过程中通过修改所获得的不属于其专利权保护范围之内的内容加入到其专利权保护范围之中。因此，为了避免专利权人将其在审批过程中通过修改将不属于其专利权保护范围之内的内容加入到其专利权保护范围之中，修改超范围的审查成为专利审查中的重点，但是对于如何理解《专利法》第三十三条中“对发明和实用新型专利申请文件的修改不得超出原说明书和权利要求书记载的范围”，《审查指南》中仅仅记载“原说明书和权利要求书记载的范围包括原说明书和权利要求书文字记载的内容和根据原说明书和权利要求书文字记载的内容以及说明书附图能直接地、毫无疑义地确定的内容 ”，《专利法实施细则》和《审查指南》[1-2]没有对此做进一步的规定，因此如何理解和判定原说明书和权利要求书文字记载的内容和根据原说明书和权利要求书文字记载的内容以及说明书附图能直接地 、 毫无疑义地确定的内容成为审查的难点，也是申请人和社会公众关心的热点，因此本文将结合实际案例分析探讨如何理解原说明书和权利要求书文字记载的内容和根据原说明书和权利要求书文字记载的内容以及说明书附图能直接地 、 毫无疑义地确定的内容来认定修改是否超范围。

二、对专利法第33条的解析

我国专利法采用的是先申请制，这可以从专利法第九条的规定可以看出。申请人在审查程序过程中可以对专利申请文件进行修改， 但是，修改应该遵守先申请原则。为此，专利法第三十三条规定：“申请人可以对其专利申请文件进行修改，但是，对发明和实用新型专利申请文件的修改不得超出原说明书和权利要求书记载的范围”，专利法第33条的立法宗旨就是避免申请人将申请日以后的完成的新的发明创造写进申请文件获得保护的同时却仍然享受原来的申请日，有可能造成在先就该新的发明创造提出申请的申请人因为其申请日在被修改申请的申请日之后而得不到专利权，这造成对于现有在先就该新的发明创造提出申请的申请人来说不公平的后果；另一方面，由于申请人认知的局限，在撰写申请文件时，难免会存在不清楚、 不支持或者创造性等缺陷， 为了获得授权，申请人为了克服上述缺陷需要对专利申请文件进行修改以及为了传播专利信息，便于公众理解和运用发明创造，促进发明创造成功的运用和传播，需要通过修改提高专利申请文件的准确性，因此需要给予申请人以修改权利要求的机会。《专利法》第33条关于修改超范围的判定的主体是本领域技术人员，同时，《审查指南》中指出“原说明书和权利要求书记载的范围包括原说明书和权利要求书文字记载的内容和根据原说明书和权利要求书文字记载的内容以及说明书附图能直接地、毫无疑义地确定的内容 ”，这里原说明书和权利要求书文字记载的内容比较容易理解，就是基于原说明书和权利要求书文字记载的内容确定的范围；但是根据原说明书和权利要求书文字记载的内容以及说明书附图能直接地、毫无疑义地确定的内容如何确定是修改超范围的难点，需要站位本领域技术人员，从方案的整体出发。下面我们基于实施例就原说明书和权利要求书文字记载的内容和根据原说明书和权利要求书文字记载的内容以及说明书附图能直接地、毫无疑义地确定的内容进行具体分析。

三、案例分析

案例详情：

原始权利要求1记载为：一种特征选择方法，其特征在于，包括： 获取待选特征集，对所述待选特征集中的待选特征进行二进制编码得到编码后的待选特征，将编码后的待选特征作为染色体； 对所述染色体进行随机划分，得到多个初始种群； 对多个所述初始种群进行自然选择，以确定候选种群名单； 采用基因算法对所述名单中候选种群的染色体进行进化操作，得到进化后的目标种群； 根据所述目标种群得到目标特征组合。

原始说明书记载为：使用原始数据训练机器学习模型并不是合适的选择，这是因为原始数据包含冗余信息，一方面这些冗余信息对模型训练并无帮助，无法提高模型性能，另一方面这些冗余信息在模型训练时会消耗大量内存和计算能力，因此，特征选择至关重要。特征选择，也称特征子集选择，或属性选择，是指从多个特征中选出部分具有代表性的特征，以降低特征的维度，减少后续进行机器学习的计算量。

S103、对多个所述初始种群进行自然选择，以确定候选种群名单；子步骤S1031、利用机器学习模型获得各个所述初始种群对应的适应度。借鉴“适者生存理论”对多个初始种群进行自然选择时，先对各个初始种群进行评估，可以采用适应度度量。利用机器学习模型获得各个初始种群对应的适应度，机器学习模型以一个初始种群作为输入，然后输出这个初始种群对应适应度，也就是这个初始种群包含的所有染色体对应的适应度的均值。示例性的，可以利用支持向量机(SVC)获得各个初始种群对应的适应度。子步骤S1032、根据各个所述初始种群对应的适应度对多个所述初始种群进行自然选择，以确定候选种群名单”。

申请人在答复审查意见通知书时对权利要求1进行了如下的修改：增加了特征“所述待选特征为参与训练支持向量机的数据样本”；将原始技术特征“根据所述目标种群得到目标特征组合”修改为“根据所述目标种群得到目标特征组合，用以训练所述支持向量机”；

问题：上述修改是否没有超出原始记载的范围？

分析：原始申请文件记载的内容“S子步骤S1031、利用机器学习模型获得各个所述初始种群对应的适应度，可以利用支持向量机(SVC)获得各个初始种群对应的适应度”仅仅记载了步骤“对多个所述初始种群进行自然选择，以确定候选种群名单”中对多个所述初始种群进行自然选择的过程中计算各个初始种群对应的适应度是通过支持向量机(SVC)获得的，即支持向量机(SVC)在这里是“对多个所述初始种群进行自然选择，以确定候选种群名单”步骤中计算适应度所采用的机器学习模型，而背景技术说明书第2段提到的“使用原始数据训练机器学习模型并不是合适的选择”中的机器学习模型实质上指的是整个特征选择算法用于训练的机器学习模型，因此在该原始申请文件中计算适应度所采用的机器学习模型与使用原始数据训练机器学习模型中的机器学习模型并不是同一个模型，而原始申请文件并未限定“使用原始数据训练机器学习模型中的机器学习模型”也就是“根据所述目标种群得到目标特征组合，用以训练机器学习模型”中的机器学习模型为支持向量机(SVC)，因此，增加了特征“所述待选特征为参与训练支持向量机的数据样本”；将原始技术特征“根据所述目标种群得到目标特征组合”修改为“根据所述目标种群得到目标特征组合，用以训练所述支持向量机”实际上增加了使用原始数据训练机器学习模型中的机器学习模型为支持向量机(SVC)这样新的内容，超出了原始申请文件的范围，不符合专利法第33条的规定。

四、总结

本文基于专利法第33条的立法宗旨并结合具体实施案例研讨了如何判断修改超范围。修改超范围的判断重点是修改的内容是否涵盖了新的技术方案，而这些新的技术方案必然在原申请文件中没有记载，因此判断的核心应该是这些新的技术方案能否从原申请文件描述的技术信息中直接毫无疑义的确定，这需要审查员站位于本领域技术人员，从方案的整体出发，在准确理解发明的基础上做出准确的判断，只有通过这种方式，才能既避免修改超范围的缺陷，又能获得更加合理的保护范围，维护申请人和公众的利益。

参考文献：

[1]《中华人民共和国专利法》和《中华人民共和国专利法实施细则》.北京：知识产权出版社.第1-4版.

[2]专利审查指南.中华人民共和国国家知识产权局.北京：知识产权出版社.2010.