通过上一篇文章，我们对“智力活动的规则和方法”这一类型的客体问题如何判断有了更深入的了解，除了根据相关法条进行判断以外，结合《审查指南》中的示例也是一种更加直观和实用的判断方式。
《审查指南》第二部分第九章给出了大量依照涉及计算机程序的申请的特殊规定进行客体问题审查的审查示例，虽然这些示例可以用来帮助判断客体问题，但更大程度上是针对一些常见情况的具体规定。
本文将根据不同类型对这些示例进行划分和说明，以帮助大家更好地理解这些示例。
类型Ⅰ-属于“智力活动的规则和方法”，不属于专利保护的客体
这一类型的权要虽然符合“智力活动的规则和方法+计算机程序”的形式，但是由于其所有实质内容都属于“智力活动的规则和方法”，只不过限定了由计算机程序来执行，所以其整体依旧是“智力活动的规则和方法”，不属于专利保护的客体。
示例1
一种利用计算机程序求解圆周率的方法，其特征在于，包括以下步骤：
计算一个正方形内“点”的数目；
计算该正方形内切圆内“点”的数目；
根据公式：
来求解圆周率。
【分析】
计算机程序执行的纯算法。
示例2
一种利用计算机程序实现自动计算动摩擦系数μ的方法，其特征在于，包括以下步骤：
计算摩擦片的位置变化量S1和S2的比值；
计算变化量的比值S2/S1的对数lg S2/S1；
求出对数lg S2/S1与e的比值。
【分析】
计算机程序执行的纯算法。
示例3
一种利用计算机进行全球语言文字通用转换的方法，包括以下步骤：
将全球语言文字统一在单词后先以辅音字母标词法，后以辅音字母标句法的方式，形成与各种录入语言相对应的录入语言辅助语；
利用中介语与录入的语言辅助语的对应关系进行语言转换，所述中介语为世界语和世界语辅助语；
其特征在于，所述录入时的标词法和标句法方式与形成世界语辅助语的标词法和标句法方式相同，其中标词法方式为：-m为名词，-x为形容词，-y为复数，-s为数量词，-f为副词； 所述标句法的方式为：-z为主语，-w为谓语，-d为定语，-n为宾语，-b为补语，其包括表语，-k为状语。
【分析】
计算机程序执行的纯规则。
示例4
一种建立数学模型的方法，其特征在于，包括以下步骤：
根据第一分类任务的训练样本中的特征值和至少一个第二分类任务的训练样本中的特征值，对初始特征提取模型进行训练，得到目标特征提取模型，其中，所述第二分类任务是与所述第一分类任务相关的其他分类任务；
根据所述目标特征提取模型，分别对所述第一分类任务的每个训练样本中的特征值进行处理，得到所述每个训练样本对应的提取特征值；
将所述每个训练样本对应的提取特征值和标签值组成提取训练样本，对初始分类模型进行训练，得到目标分类模型；
将所述目标分类模型和所述目标特征提取模型组成所述第一分类任务的数学模型。
【分析】
计算机程序执行的纯算法。纯模型训练，会视为纯算法，计算机视为载体。
类型Ⅱ-不属于“智力活动的规则和方法”，但基于专利法第二条第二款也不属于专利保护的客体
这一类型的权要中除了“智力活动的规则和方法”的内容以外，还包含了其他内容。
虽然从整体上不能依据专利法第二十五条的“智力活动的规则和方法”排除其获得专利权的可能性，但是进一步判断后，其没有利用符合自然规律的技术手段（即不属于专利法第二条第二款规定的技术方案），因此，也不属于专利保护的客体。
示例5
一种向用户提供兼具成长类及问答类游戏方式的计算机游戏方法，其特征在于，该方法包括：
提问步骤，当使用者通过计算机游戏装置进入该计算机游戏的游戏环境时，从存储的题目资料、对应该题目资料的答案资料及游戏进度资料中调出对应该游戏进度的问题资料，并将问题资料显示给使用者；
成绩判断步骤，根据提供的问题资料判断使用者所输入的答案是否与存储的对应该题目的答案资料一致，若是，则进到下一步骤，若否，则返回提问步骤；
改变游戏状态步骤，依据成绩判断步骤的判断结果及所存储的问答成绩记录资料，决定受使用者操作的游戏角色在该计算机游戏中的等级、装备或环境，若答对问题的次数达到一定的标准，则其等级、装备或环境会相应升级、增加；
若未达到一定的次数标准，则其等级、装备或环境不予改变。
【分析】
采用的手段是根据人为制定的活动规则将问答类游戏和成长类游戏结合，而不是技术手段。
示例6
一种消费返利的方法，其特征在于，包括以下步骤：
用户在商家进行消费时，商家根据消费的金额返回一定的现金券，具体地，
商家采用计算机对用户的消费金额进行计算，将用户的消费金额R 划分为M个区间，其中，M为整数，区间1到区间M的数值由小到大，将返回现金券的额度F也分为M个值，M个数值也由小到大进行排列；
根据计算机的计算值，判断当用户本次消费金额位于区间1时，返利额度为第1个值，当用户本次消费金额位于区间2时，返利额度为第2个值，依次类推，将相应区间的返利额度返回给用户。
【分析】
采用的手段是通过计算机执行人为设定的返利规则，但对计算机的限定只是按照指定的规则根据用户消费金额确定返利额度，不受自然规律的约束，因而未利用技术手段。
示例7
一种基于地区用电特征的经济景气指数分析方法，其特征在于，包括以下步骤：
根据待检测地区的经济数据和用电数据，选定待检测地区的经济景气指数的初步指标，其中，所述初步指标包括经济指标和用电指标；
通过计算机执行聚类分析方法和时差相关分析法，确定所述待检测地区的经济景气指标体系，包括先行指标、一致指标和滞后指标；
根据所述待检测地区的经济景气指标体系，采用合成指数计算方法，获取所述待检测地区的经济景气指数。
【分析】
采用的手段是根据经济数据和用电数据对经济情况进行分析，仅是依照经济学规律采用经济管理手段，不受自然规律的约束，因而未利用技术手段。
示例8
一种金融产品的价格预测方法，其特征在于，所述方法包括：
使用金融产品的Ｎ+1 个日指标历史价格数据对神经网络模型进行训练得到价格预测模型，其中，前Ｎ个日指标历史价格数据作为样本输入数据，最后1个日指标历史价格数据作为样本结果数据；使用所述价格预测模型和最近Ｎ个日指标历史价格数据来预测未来一天金融产品的价格数据。
【分析】
金融产品的价格走势遵循经济学规律，由于历史价格的高低并不能决定未来价格的走势，因此，金融产品的历史价格数据与未来价格数据之间不存在符合自然规律的内在关联关系。
类型Ⅲ-不属于“智力活动的规则和方法”，基于专利法第二条第二款属于专利保护的客体
这一类型的权要中除了“智力活动的规则和方法”的内容以外，还包含了其他内容，从整体上不能依据专利法第二十五条的“智力活动的规则和方法”排除其获得专利权的可能性。
进一步判断后，其利用了符合自然规律的技术手段，构成了专利法第二条第二款规定的技术方案，因此，属于专利保护的客体。
示例9
一种采用计算机程序控制橡胶模压成型工艺的方法，其特征在于包括以下步骤：
通过温度传感器对橡胶硫化温度进行采样；
响应所述硫化温度计算橡胶制品在硫化过程中的正硫化时间；
判断所述的正硫化时间是否达到规定的正硫化时间；
当所述正硫化时间达到规定的正硫化时间时即发出终止硫化信号。
【分析】
通过执行计算机程序完成对橡胶模压成型工艺进行的处理，反映的是根据橡胶硫化原理对橡胶硫化时间进行精确、实时控制，利用的是遵循自然规律的技术手段。
示例10
一种利用虚拟设备文件系统扩充移动计算设备存储容量的方法，其特征在于，包括以下步骤：
在移动计算设备上建立一个虚拟设备文件系统模块，并挂入移动设备的操作系统；
通过虚拟设备文件系统模块向移动计算设备上的应用提供一个虚拟的存储空间，并把对这个虚拟存储空间的读写请求通过网络发送到远端服务器；
在远端服务器上，把从移动计算设备传来的读写请求转化为对服务器上本地存储设备的读写请求，并把读写的结果通过网络传回移动计算设备。
【分析】
通过执行计算机程序实现对移动计算设备内部运行性能的改进，反映的是利用虚拟设备文件系统模块在本地计算机上建立虚拟存储空间，将对本地存储设备的访问转换为对服务器上的存储设备的访问，利用的是遵循自然规律的技术手段。
示例11
一种去除图像噪声的方法，其特征在于，包括以下步骤：
获取输入计算机的待处理图像的各个像素数据；
使用该图像所有像素的灰度值，计算出该图像的灰度均值及其灰度方差值；
读取图像所有像素的灰度值，逐个判断各个像素的灰度值是否落在均值上下3倍方差内，如果是，则不修改该像素的灰度值，否则该像素为噪声，通过修改该像素的灰度值去除噪声。
【分析】
通过执行计算机程序实现图像数据的去除噪声处理，反映的是根据具有技术含义的像素数据的灰度均值及其灰度方差值，对灰度值落在均值上下3倍方差外的像素点视为图像噪声予以去除，对灰度值落在均值上下3倍方差内的像素点视为图像信号不修改其灰度值，避免像现有技术那样对所有像素点都用均值替代的缺陷，利用的是遵循自然规律的技术手段。
示例12
一种利用计算机程序测量液体粘度的方法，其特征在于包括以下步骤：
通过前置参数信号处理程序，根据液体种类确定合适的传感探头转速；
通过传感探头控制程序启动传感探头，使传感探头在液体中以上述转速做旋转剪切运动，并将传感探头感应到的液体粘滞阻力值变换成电流信号；
通过传感探头信号处理程序，根据上述电流信号计算出液体的粘度值，并将计算得到的粘度值传送到液晶显示器上显示，或者通过通讯接口送入生产控制中心。
【分析】
通过执行计算机程序实现对液体粘度测量过程的控制，反映的是对传感探头的转速选定、启动运动状态等传感探头工作过程以及对所采集技术数据的处理过程和测量结果的显示过程进行自动控制，利用的是遵循自然规律的技术手段。
示例13
一种卷积神经网络CNN模型的训练方法，其特征在于，所述方法包括：
获取待训练CNN模型的初始模型参数，所述初始模型参数包括各级卷积层的初始卷积核、所述各级卷积层的初始偏置矩阵、全连接层的初始权重矩阵和所述全连接层的初始偏置向量；
获取多个训练图像；
在所述各级卷积层上，使用所述各级卷积层上的初始卷积核和初始偏置矩阵，对每个训练图像分别进行卷积操作和最大池化操作，得到每个训练图像在所述各级卷积层上的第一特征图像；
对每个训练图像在至少一级卷积层上的第一特征图像进行水平池化操作，得到每个训练图像在各级卷积层上的第二特征图像；
根据每个训练图像在各级卷积层上的第二特征图像确定每个训练图像的特征向量；
根据所述初始权重矩阵和初始偏置向量对每个特征向量进行处理，得到每个训练图像的类别概率向量；
根据所述每个训练图像的类别概率向量及每个训练图像的初始类别，计算类别误差；
基于所述类别误差，对所述待训练CNN模型的模型参数进行调整；
基于调整后的模型参数和所述多个训练图像，继续进行模型参数调整的过程，直至迭代次数达到预设次数；
将迭代次数达到预设次数时所得到的模型参数作为训练好的CNN模型的模型参数。
【分析】
明确了模型训练方法的各步骤中处理的数据均为图像数据以及各步骤如何处理图像数据，体现出神经网络训练算法与图像信息处理密切相关，采用了在不同卷积层上对图像进行不同处理并训练的手段，利用的是遵循自然规律的技术手段。
示例14
一种共享单车的使用方法，其特征在于，包括以下步骤：
步骤一，用户通过终端设备向服务器发送共享单车的使用请求；
步骤二，服务器获取用户的第一位置信息，查找与所述第一位置信息对应一定距离范围内的共享单车的第二位置信息，以及这些共享单车的状态信息，将所述共享单车的第二位置信息和状态信息发送到终端设备，其中第一位置信息和第二位置信息是通过 GPS 信号获取的；
步骤三，用户根据终端设备上显示的共享单车的位置信息，找到可以骑行的目标共享单车；
步骤四，用户通过终端设备扫描目标共享单车车身上的二维码，通过服务器认证后，获得目标共享单车的使用权限；
步骤五，服务器根据骑行情况，向用户推送停车提示，若用户将车停放在指定区域，则采用优惠资费进行计费，否则采用标准资费进行计费；
步骤六，用户根据所述提示进行选择，骑行结束后，用户进行共享单车的锁车动作，共享单车检测到锁车状态后向服务器发送骑行完毕信号。
【分析】
通过执行终端设备和服务器上的计算机程序实现了对用户使用共享单车行为的控制和引导，反映的是对位置信息、认证等数据进行采集和计算的控制，利用的是遵循自然规律的技术手段。
示例15
一种区块链节点通信方法，区块链网络中的区块链节点包括业务节点，其中，所述业务节点存储证书授权中心CA发送的证书，并预先配置有CA信任列表，所述方法包括：
第一区块链节点接收第二区块链节点发送的通信请求，其中，所述通信请求中携带有第二区块链节点的第二证书；
确定所述第二证书对应的CA标识；
判断确定出的所述第二证书对应的CA标识，是否存在于所述CA信任列表中；
若是，则与所述第二区块链节点建立通信连接；
若否，则不与所述第二区块链节点建立通信连接。
【分析】
通过在通信请求中携带CA证书并预先配置CA信任列表的方式确定是否建立连接，限制了业务节点可建立连接的对象，利用的是遵循自然规律的技术手段。
示例16
一种深度神经网络模型的训练方法，包括：
当训练数据的大小发生改变时，针对改变后的训练数据，分别计算所述改变后的训练数据在预设的候选训练方案中的训练耗时；
从预设的候选训练方案中选取训练耗时最小的训练方案作为所述改变后的训练数据的最佳训练方案，所述候选训练方案包括单处理器训练方案和基于数据并行的多处理器训练方案；
将所述改变后的训练数据在所述最佳训练方案中进行模型训练。
【分析】
针对不同大小的训练数据，选择适配具有不同处理效率的单处理器训练方案或多处理器训练方案，该模型训练方法与计算机系统的内部结构存在特定技术关联，提升了训练过程中硬件的执行效果。
示例17
一种电子券使用倾向度的分析方法，其特征在于，包括：
根据电子券的信息对电子券进行归类以得到电子券种类；
根据电子券的应用场景获取用户样本数据；
根据用户行为，从所述用户样本数据中提取用户行为特征，所述用户行为包括：浏览网页、搜索关键词、加关注、加入购物车、购买以及使用电子券；
以用户样本数据作为训练样本，以用户行为特征作为属性标签，针对不同种类的电子券来训练电子券使用倾向度识别模型；
通过训练后的电子券使用倾向度识别模型对电子券的被使用概率进行预测，得到用户对于不同种类电子券的使用倾向度。
【分析】
通过对电子券进行归类、获取样本数据、确定行为特征及进行模型训练，挖掘出用户行为特征与电子券使用倾向度之间的内在关联关系，浏览时间长、搜索次数多、使用电子券频繁等行为特征表示对相应种类电子券的使用倾向度高，这种内在关联关系符合自然规律。
示例18
一种基于关系注意力的知识图谱推理方法，所述方法包括：
获取知识图谱中节点的初始嵌入表示，将所述初始嵌入表示转换到高维空间，得到高维嵌入表示，所述节点为知识图谱中的实体，所述知识图谱是对知识进行实体识别和关系抽取构建的，所述知识是问答系统、语义搜索中相关联的知识，所述实体是利用命名实体识别工具从自然语言文本中获取的文本数据，所述初始嵌入表示是所述文本数据通过词嵌入模型得到的向量；
获取所述知识图谱中目标节点的邻居节点集合，根据所述目标节点与所述邻居节点集合中邻居节点的关系类型，构建邻居子图；
根据所述目标节点的高维嵌入表示和所述邻居子图中邻居节点的高维嵌入表示，得到所述目标节点嵌入邻居子图中信息的邻居嵌入表示；
将所述目标节点的高维嵌入表示与所述邻居嵌入表示进行聚合，得到目标节点的聚合嵌入表示；
根据每个所述邻居子图的第一注意力分值，对所述聚合嵌入表示进行融合，得到所述目标节点的融合嵌入表示；
根据所述融合嵌入表示，计算所述目标节点对应三元组的得分，根据得分进行三元组推理。
【分析】
各步骤中处理的数据是自然语言中的文本数据或者语义信息等技术数据，通过对问答系统、语义搜索中相关联的知识进行实体识别和关系抽取构建知识图谱，从而进行知识图谱推理，利用的是遵循自然规律的技术手段。
结语
上述示例针对包含智力活动的规则和方法的常见情况做了具体规定，当我们的方案涉及“智力活动的规则和方法”，特别是采用“智力活动的规则和方法+计算机程序”的形式时，可以结合上述示例判断是否存在客体问题。
不过，客体问题向来较为复杂且主观性较强，若结合相关法条和示例依旧难以辨别，还是寻求专业人士的帮助更为保险。
相关链接：
中国专利答审|中国专利客体问题答审先导篇—— 副标题：客体问题的基本审查逻辑1
中国专利答审|只要包含智力活动的规则和方法，就存在客体问题吗？——副标题：客体问题的基本审查逻辑（2）
