【專利】智慧財產局資訊科技專利審查案例彙編(2022年1月) 藥妝店商品推薦方法及系統 & 線上面試系統

近年來，『數據處理』與『人工智慧』相關的專利申請案愈來愈多，將資料累積形成之「大數據」，再與「人工智慧演算法」相互結合，整合、分析大數據後計算出最佳結果，判斷有無異常發生或採取相應的措施。

軟體專利在撰寫時，需要注意那些地方，就看事務所工程師的功力了。不過，發明人要提供多詳細的資料，也會與後續審查習習相關。

智慧局於110年7月實施之電腦軟體相關發明審查基準為依據，撰寫包括人工智慧、大數據、區塊鏈、物聯網及雲端應用等5大資訊科技應用領域相關案例。有鑑於最近處理的案件都是AI相關的，想說作個整理，以利日後查找。

一、依標的適格性的判斷步驟如下：

【案例1.2】藥妝店商品推薦方法及系統

[請求項1]－不符發明定義

一種藥妝店商品推薦方法，用以推薦商品給一客戶，包含： 取得該客戶之一身分資訊； 取得該客戶之一生物特徵資訊； 將一促銷商品內容推播至該客戶的一手持裝置或推播至位於一收銀櫃檯前的一顯示裝置。

依軟體觀點判斷，本項之發明取得兩項資訊，一為身分資訊，一為生物特徵資訊，惟推播之內容為促銷商品內容，與取得之技術性質資訊無關連，因此，本項並未揭露符合資訊處理目的(商品推薦方法)之特定資訊處理，不符發明定義。

[請求項2]－符合發明定義

一種藥妝店商品推薦方法，用以推薦商品給一客戶，包含： 取得該客戶之一身分資訊； 取得該客戶之一生物特徵資訊； 依據該客戶之該身分資訊及該客戶之該生物特徵資訊，經一處理器分析，用以確認該客戶之一興趣商品內容；以及 將該客戶之該興趣商品內容推播至該客戶的一手持裝置或推播至位於一收銀櫃檯前的一顯示裝置。

本項之發明處理之資訊一為身分資訊，為人為製作之資訊，另一為生物特徵資訊，則為技術性質資料，將據此二項資料經處理器分析而確認客戶興趣商品內容，並將該興趣商品內容推播至客戶，因此，本項所載內容已依據物體之技術性質具體執行資訊處理，符合發明定義。

[請求項3]－符合發明定義

一種藥妝店商品推薦系統，用以推薦商品給一客戶，該系統包含： 一身分辨識模組，取得該客戶之一身分資訊； 一生物特徵模組，取得該客戶之一生物特徵資訊； 一數據分析模組，依據該客戶之該身分資訊及該客戶之該生物特徵資訊，用以確認該客戶之一興趣商品內容；以及 一行銷模組，將該客戶之該興趣商品內容推播至該客戶的一手持裝置或推播至位於一收銀櫃檯前的一顯示裝置。

當進入軟體觀點判斷時，因為「系統」之請求項，已隱含軟硬體協同運作，且揭露特定之軟體模組(身分辨識模組、生物特徵模組、數據分析模組、行銷模組)，用以將身分資訊與生物特徵資訊經數據分析模組處理以確認客戶興趣商品內容並推播至客戶裝置，因此，已具體運用軟硬體協同建構出特定之資訊處理系統，符合發明定義。

二、關於可據以實現的判斷：說明書應具體描述使用之演算法或詳細之分析步驟方法，始能使通常知識者經由說明書之解讀而能實現該發明。

【案例1.3】藥妝店商品推薦系統

[說明書摘錄]

藥妝店的商品特色是種類繁多，當有促銷活動時通常是促銷業務員在商品區附近直接與客戶接觸推銷，這樣的促銷手法，不但要依賴有經驗的業務員才能達成，且客戶購買商品也各有其喜好，面對自己完全沒興趣的商品的促銷，通常只會感覺厭煩，而想匆匆走人，而且當客戶人多的時候，業務員亦未能有充裕時間與客戶溝通，而可能流失潛在客戶，因此，需要有一種既可以達到無須經驗的業務員即可達成促銷目的，且符合每一個別客戶興趣的促銷方式。

為達上述目的，本發明提出一種智慧的商品推薦系統，特別適用於藥妝店這樣商品種類繁多的商店，利用客戶的身分資訊及生物特徵資訊當成人工智慧預測模型在建模時的輸入資料集，經機器學習模型，例如深度學習網路ANN(人工神經網路)，而輸出客戶的興趣商品內容，並利用行銷模組將客戶的興趣商品內容推播在客戶的手機或店內的顯示裝置上，使客戶可看到自己感興趣的商品資訊，更達到客製化、節省促銷人力的目的。例如，經人工智慧預測模型分析知道客戶喜歡天然的清潔用品，於是將正在促銷的天然清潔用品推播到客戶的手機，或收銀時推播到收銀櫃檯前的螢幕上，使客戶看到他感興趣的商品，而促使他再一次消費的機會。

[說明書無法據以實現] 當成預測興趣商品的訓練資料集，惟對於身分資訊及生物特徵資訊自說明書中無法得知其詳細的資料項目，亦無從得知兩者之間的關聯性，及與興趣商品的邏輯關聯亦不明顯，通常知識者無法從說明書的描述中即可確信可據以製造及使用該發明。

應改成：

為達上述目的，本發明提出一種智慧的商品推薦系統，特別適用於藥妝店這樣商品種類繁多的商店，利用客戶的身分資訊及生物特徵資訊，當成機器學習模型的訓練資料集，並可訓練輸出一興趣商品內容，其中身分資訊包括客戶年齡資訊、性別資訊、客戶會員等級資訊、客戶消費資訊、個人喜好資訊等，而生物特徵資訊則利用生物特徵感測模組量測取得生物特徵資訊，生物特徵感測模組包括紅外線光感元件、影像感測元件、重量感測元件、身高感測元件，而量測之資訊包括身高、體重、收縮壓指數、舒張壓指數、BMI等，藉由此兩組資訊提供推薦不同類型的商品，而興趣商品內容依藥妝店的商品分類或屬性可分為日常用品類、保健食品類、零食類、美容保養類、營養補給類…等，而其細分類則依據商品資料庫的分類，例如日常用品又可分為廚房用品、洗浴用品…等；舉例而言，如20~30歲女性，BMI在正常偏瘦，再依據其消費習慣及消費能力，推薦美容商品，若BMI偏高，則推薦健康或減肥商品；若50~60歲男性，血壓及BMI指數偏高，再依據其消費習慣及消費能力推薦其合適的保健食品，若BMI偏低則推薦其營養補給品；然上述僅為客戶消費習慣統計之列舉。[說明書可據以實現]

【案例3.2】線上面試之電腦系統

[請求項1] －不符發明定義

一種線上面試之電腦系統，包含： 一輸入單元，用於輸入一面試者的一履歷資料； 一處理單元，用於對該履歷資料進行處理以產生一評分； 一顯示單元，用於顯示該評分。

請求項1未記載電腦軟體與硬體資源協同運作的具體技術手段或步驟，僅記載對履歷資料進行處理，並未具體描述資料輸入後、輸出前的具體資訊處理手段或步驟，僅有資訊處理之目的或結果，並不符合「藉助電腦軟體之資訊處理係利用硬體資源具體實現」要件，不符發明之定義。

[請求項2] －符合發明定義

一種線上面試之電腦系統，包含： 一輸入單元，用於輸入一面試者的一履歷資料； 一處理單元，提取該面試者的該履歷資料與一應徵職位所需之工作能力進行匹配，並依據該應徵職位所需之工作能力與該履歷資料產生一匹配度，該匹配度越高分數越高，反之分數低，並依據該面試者之一學校成績，給予一綜合評分； 一顯示單元，用於顯示該綜合評分。

【案例3.3】線上面試系統

[說明書摘錄]

一種線上面試系統，面試者使用一手持電子裝置，用以接收及傳送影音資料；面試系統具有，接收單元，用以接收面試者履歷資料；認證單元，比對該履歷資料中的照片與該面試者影音資料中的頭像進行比對認證，確定為使用者本人；題庫生成單元，依據該履歷資料所應徵職位與經歷產生相對應題庫；分離單元，接收該影音資料，拆解為影像資料及聲音資料；人工智慧數據分析單元，其係使用機器學習模型將影像資料及聲音資料經訓練而得到綜合評分。

利用機器學習模型，將影音資料當成輸入資料，並得出評分資料，對於影像資料及聲音資料自說明書中無法得知其詳細的資料內容，通常知識者無法從說明書的描述中得知機器學習模型中的影像資料及聲音資料如何產生綜合評分，其中人工智慧數據分析單元，申請人未將機器學習如何收集資料、準備數據、選擇模型、訓練機器、評估分析、調整參數、預測推論，明確並充分揭露，說明書亦未明確且充分揭露面試者履歷資料、面試影音資料之相關項目，亦未揭露其與綜合評分之間之關聯性，故無法據以實現。

應改成：

一種線上面試系統，面試者使用一手持電子裝置，用以接收及傳送影音資料；面試系統具有：接收單元，用以接收面試者履歷資料；認證單元，比對該履歷資料中的照片與該面試者影音資料中的頭像進行比對認證，確定為使用者本人；題庫生成單元，依據該履歷資料所應徵職位與經歷產生相對應題庫；分離單元，接收該影音資料，拆解為影像資料及聲音資料；語音特徵擷取單元，根據該聲音資料依面試者對該題庫的每一個問題的講話內容或聲音進行分析，產生一語音特徵資料，如語速特徵、音頻特徵；及將面試者之聲音資料轉換成文字資料，將文字拆分成句子，並對多個句子分詞，得到面試者之文字資料答案；面部特徵擷取單元，根據該影像資料對該面試者面部特徵及表情進行分析，面部特徵包括五官的對稱性及微笑的次數，產生一面部特徵資料，如面部情緒特徵；資料庫，儲存不同部門要求的面試評分判斷規則；人工智慧數據分析單元，係利用機器學習單元將過去面試的影音特徵資料經學習，而生成一面試表現評分，經語音特徵擷取單元及面部特徵擷取單元分析所得到之語音特徵資料及面部特徵資料當成人工智慧數據分析單元的輸入資料而產生面試者的一面試表現評分，再依據面試者回答題庫的文字資料答案與依據該履歷資料所應徵職位與經歷產生相對應題庫之預設答案比對，給予一綜合評分。[說明書可據以實現]