智慧財產及商業法院行政判決114年度行專訴字第47號民國115年3月12日辯論終結原 告 廣流智權有限公司代 表 人 李文賢訴訟代理人 陳政大專利師
陳學箴專利師廖韋齊專利師被 告 經濟部智慧財產局代 表 人 廖承威訴訟代理人 許人偉
參 加 人 騰雲科技服務股份有限公司代 表 人 梁基文訴訟代理人 翁林瑋律師
何婉菁律師上列當事人間因新型專利舉發事件，原告不服經濟部中華民國114年8月4日經法字第11417304400號訴願決定，提起行政訴訟，並經本院命參加人獨立參加本件訴訟，本院判決如下：
主 文
一、原告之訴駁回。
二、訴訟費用由原告負擔。事實及理由
一、本件原告所提舉發證據如附表2所示，其中附表2所示證據9至12為原告於本院審理時始提出，故此部分證據及其證據組合，核屬智慧財產案件審理法第70條第1項規定之新證據，本院仍應予審酌，先予敘明。
二、爭訟概要：
(一)參加人前於民國110年7月30日以「消費購物意向與推薦分析系統」向被告申請新型專利，申請專利範圍計10項，經被告形式審查後於110年12月13日准予專利（公告第M622424號，下稱系爭專利）。
(二)原告於112年11月10日以系爭專利違反核准時專利法第120條準用第22條第2項規定，提起舉發；參加人則於113年3月29日提出申請系爭專利範圍更正本。被告以114年3月19日(114)智專議(二)04265字第11420296900號專利舉發審定書為「113年3月29日之更正事項，准予更正」、「請求項1至10舉發不成立」處分。原告對於原處分關於舉發不成立部分不服，提起訴願，經經濟部於114年6月23日辦理言詞辯論並以114年8月4日經法字第11417304400號為訴願駁回決定（下稱訴願決定）後，向本院提起訴訟。又本院認本件判決結果，如撤銷原處分及訴願決定將影響參加人之權利或法律上利益，爰依職權命參加人獨立參加本件訴訟。
三、原告主張及聲明：
(一)本件爭點所列舉發證據組合足以證明更正後系爭專利（下逕稱系爭專利）請求項1至10不具進步性：
⒈系爭專利請求項1C之技術特徵已為附表2相關證據組合所揭露：
⑴系爭專利請求項1C僅記載「一資料清洗裝置，用以接收複
數個購物資訊，將該些購物資訊對應到各自的一商品代號」，並無限制前述商品代號為何。而由證據1說明書第[0020]、[0021]、[0026]段，可知已揭露第一商店種類可對應如運動用品、咖啡、母嬰用品等商品分類，顯見其為「關於商品」資料，當然可以與證據1所記載「第一商店種類」類別分類購物資訊，並非如原處分所述皆與商品無關。又證據1說明書第[0021]至[0022]段記載「進一步地，交易明細包含商店特徵。於實務中，商店特徵可為商店名稱或能夠代表店家的其他資料。」，並非如被告所稱僅僅提到交易明細可為商店名稱或能夠代表店家的其他資料。另由證據1說明書段落[0015]、[0020]記載，當然具有動機依據需求採用各種分類類別以對應分類購物資訊，則系爭專利所屬技術領域中具有通常知識者亦當然可以證據1所記載「第一商店種類」作為類別分類購物資訊。而系爭專利請求項1僅記載「將該些購物資訊對應到各自的一商品代號」，並無限定商品代號為何，則通常知識者當然可以證據1所記載「第一商店種類」作為類別分類購物資訊。況縱使證據1之「第一商店種類」與系爭專利之「商品代號」具有差異，所屬技術領域中具有通常知識者基於證據1「第一商店種類」及通常知識亦可輕易思及使用「商品代號」，原處分並未考量商品代號之差異是否為系爭專利所屬技術領域中具有通常知識者由證據1揭示技術所能輕易完成。再由系爭專利申請前已公開網頁文章內容之證據12揭露「商品B是屬於店鋪1的商品，商品B的品類是牛仔褲，這個商品是買手1負責」，可知將證據1之交易資料歸類於商品種類（如證據12所記載店鋪1）或是商品（如證據12所記載牛仔褲）本就是習知普遍使用的歸類手法。
⑵又證據10第5頁表1所記載購物籃交易中標示為I1、I2等項
目商品，已對應系爭專利之商品代號；證據10第2頁圖1、證據10第5頁表1揭示「接收複數個交易（Transactions）【對應於系爭專利之購物資訊】，並將複數個交易（Transactions）對應到商品的代號（I1、I2等）【對應於系爭專利之商品代號】」之技術為習知所普遍使用的歸類手法，並不限於與證據10的APRIORI演算法搭配使用。依證據1說明書段落[0015]、[0020]、[0021]、[0026]記載可知第一商店種類以編碼代號儲存於資料庫11中，以使分類模組14可存取使用第一商店種類。因此，前述第一商店種類對應系爭專利之商品代號。基於系爭專利申請前已公開網頁文章內容(證據12)，將購物資訊對應到各自的一商品代號本就是習知所普遍使用的歸類手法，證據10第2頁圖1、證據10第5頁表1是習知所普遍使用的資料處理技術，本案所屬技術領域具有通常知識者在處理資料時當可輕易思及，是以，證據1或證據1與證據10之結合已揭示請求項1技術特徵1C。又證據11內容係佐證以KNN等人工智慧演算法產生標籤屬於所屬技術領域之通常知識，故證據10、11與同屬數據分析技術領域之證據1至8進行結合，亦可證明系爭專利請求項1技術特徵1C不具進步性。
⒉系爭專利請求項1D之技術特徵已為附表2相關證據組合所揭露：
⑴證據1揭露的計算貼標模組15係分析同一客戶的所有交易資
料是否達到某一商店種類的消費總次數及消費總金額閾值，據以將該客戶歸類於符合該商店種類的一客戶標籤以分析出每一個第一商店種類(對應於系爭產品之商品代號)所對應的有那些客戶被對應的客戶標籤所歸類的資訊(對應於系爭專利之商品資訊)。其中有哪些客戶被對應的客戶標籤所歸類的資訊(對應於系爭專利之商品資訊)各自包含客戶標籤(對應系爭專利之客戶標籤)，故已揭示系爭專利請求項1中「一資訊分析裝置，電性耦接於該資料清洗裝置，該資訊分析裝置用以…分析出每個商品代號所對應的一商品資訊；其中該些商品資訊各自包含一客戶標籤」技術特徵。系爭專利所屬技術領域中具有通常知識者由證據1所揭示資料擷取模組13以及分類模組14【對應於系爭專利之資料清洗裝置】接收客戶的交易資料【對應於系爭專利之購物資訊】，並將交易資料歸類於第一商店種類【對應於系爭專利之商品代號】，當然具有動機依據需求採用各種分類類別以對應分類購物資訊；且證據1據以將該客戶歸類於符合該商店種類的一客戶標籤以分析出每個第一商店種類所對應的有那些客戶被對應的客戶標籤所歸類的資訊【對應於系爭專利之商品資訊】；其中有哪些客戶被對應的客戶標籤所歸類的資訊各自包含客戶標籤【對應於系爭專利之客戶標籤】，是以證據1確已揭示系爭專利請求項1技術特徵1D。
⑵系爭專利請求項1並無限制複數個人工智能模型為KNN分類
演算法，系爭專利請求項1亦無限制使用KNN分類演算法直接分析發票的商品明細而得出對應的用戶標籤。由證據2說明書段落[0034]、[0035]段記載，可知證據2不僅是空泛表達要執行一個訓練步驟，已明確揭露「透過人工智能模型分析「同類產品」所對應的目標用戶群體資訊」以及「利用KNN演算法、關聯演算法以及維度分析直接分析發票的數據而得出用戶標籤」。原處分僅以用戶畫像分析模塊中部分元件「機器學習訓練單元」之功能未達成得出用戶標籤之功能，即遽認用戶畫像分析模塊無法產生用戶標籤，不僅曲解原告主張，更違反論理法則。又依證據11第1頁所記載，可知使用KNN等人工智慧演算法產生標籤為系爭專利所屬技術領域中具有通常知識者本身已具備且可自由應用，在證據2揭示提取與唯一用戶相匹配的用戶標籤的情況下，系爭專利所屬技術領域中具有通常知識者自可使用KNN等人工智慧演算法產生標籤；系爭專利所屬技術領域中具有通常知識者基於證據2所揭示技術可輕易思及在證據1引入多個人工智慧模型以更準確分析同類產品(例如育兒產品類)【對應系爭專利之商品代號】所對應的目標用戶群體資訊【對應於系爭專利之商品資訊】。是以，證據2確已揭示系爭專利請求項1技術特徵1D。
⒊證據9、10及11之結合足以證明系爭專利請求項1不具進步性：
證據9說明書第[0059]、[0061]段與圖1揭露智能用戶標籤系統，說明書第[0055]至[0060]段揭露分析層210根據源數據建立用戶標籤體系，分析用戶行為軌跡，得到相應的結論，可知該分析層210【對應於系爭專利之資訊分析裝置】分析出對應內容的標籤【對應於系爭專利之客戶標籤】，且證據9圖1、說明書段落[0061]所記載「內容」係指要推薦給客戶的數字資源，如文章、視頻、音頻、遊戲、商品等。因此，證據9所記載「內容」可對應包含證據10第5頁表1購物籃交易中標示為I1、I2等項目的商品。又證據10第2頁圖1、第5頁表1揭示將複數個交易（Transactions）【對應於系爭專利之購物資訊】，對應到商品的代號（I1、I2等）【對應於系爭專利之商品代號】，可見將購物資訊對應到商品代號為習知所普遍使用的資料處理技術。另證據11已揭示KNN等人工智慧演算法產生標籤。再者，證據9、10及11間具有結合動機，故證據9至11之結合已揭示系爭專利請求項1技術特徵1D及其餘技術特微，而足以證明系爭專利請求項1不具進步性 。
⒋此外，本件爭點所列其餘證據組合亦足以證明系爭專利請求項2至10均不具進步性。
(二)參加人稱證據1結合證據10、12不足以證明系爭專利不具進步性，為不可採：
⒈系爭專利請求項1僅記載「將該些購物資訊對應到各自的一商
品代號」，並無限定商品代號為何，亦無限定針對具體個別的「實體商品」進行識別。亦即系爭專利請求項1並無限定商品代號的顆粒度(Granularity)或層級。則系爭專利所屬技術領域中具有通常知識者當可以證據1所記載「第一商店種類」作為類別分類購物資訊。而由證據1說明書段落[0015]、[0020]記載，系爭專利所屬技術領域中具有通常知識者由證據1所揭示技術當然具有動機依據需求採用各種層級的分類類別以對應分類購物資訊。又證據10、12所記載技術内容皆為普遍使用的資訊及從經驗法則所瞭解的事項，系爭專利所屬技術領域具有通常知識者本就可任意使用與結合；將複數個交易（Transactions)對應到商品的代號（II、I2等）【對應於系爭專利之商品代號】技術為習知所普遍使用的歸類手法，可與任何的演算法搭配使用，並不限於與證據10的Apriori演算法搭配使用，且證據10後半部分介紹Apriori演算法及其工作原理並無教示排斥其他演算法，故證據10所記載Apriori演算法對於系爭專利並未構成反向教示。
⒉證據1與證據2之結合已揭示系爭專利請求項1之「一資料清洗
裝置，用以接收複數個購物資訊，將該些購物資訊對應到各自的一商品代號」1C技術特徵。是證據1與證據2揭露具體的「技術手段」來實現分類的「對應」過程。又由證據12可知將交易資料歸類於商店種類（如證據12所記載店铺1)或是商品（如證據12所記載牛仔褲）本就是習知所普遍使用的歸類手法，證據12所記載的技術内容皆為普遍使用的資訊及從經驗法則所瞭解的事項，系爭專利所屬技術領域具有通常知識者本就可使用與結合。如前所述，證據1已揭示資料擷取模組13以及分類模組【對應於系爭專利之資料清洗裝置】接收客戶的交易資料【對應於系爭專利之購物資訊】，並將交易資料【對應於系爭專利之購物資訊】歸類於第一商店種類【對應於系爭專利之商品代號】，證據10教示在進行分析時將商品代號化（例如證據10的I1、I2等）並將交易資料歸類於商品，系爭專利所屬技術領域中具有通常知識者由證據10之教示，自有強烈動機在進行證據1的分析時將商品代號化並將交易資料【對應於系爭專利之購物資訊】歸類於商品，要無參加人所稱系爭專利技術特徵1C無法由證據1、10、12的結合推導得出。
⒊系爭專利請求項1D之技術特徵僅記載「一資訊分析裝置，電
性耦接於該資料清洗裝置，該資訊分析裝置用以透過複數個人工智能模型分析出每個商品代號所對應的一商品資訊；其中該些商品資訊各自包含一客戶標籤」，並無記載針對「個別商品」進行逆向分析之技術特徵，已如前述，是參加人稱證據1、2、11並無揭示系爭專利請求項1中1D技術特徵云云，並不可採。另發放紙本優惠券依舊是系爭專利申請前通常知識者所習知慣用的手段，證據2並無教示排除使用實體列印，故系爭專利所屬技術領域中具有通常知識者基於證據2所揭示技術以及文字推廣訊息以影像或者紙本（例如優惠券）方式呈現的通常知識，自可依據需求選擇「促使一列印機印出各自對應該些推廣訊息的一優惠券」，故參加人稱證據
2、8並無揭示系爭專利請求項1F之技術特徵，並不可採。
(三)聲明：⒈訴願決定及原處分關於「請求項1至10舉發不成立」部分均撤銷。
⒉被告就系爭專利舉發案應為「請求項1至10舉發成立」之處分。
四、被告答辯及聲明：
(一)本件爭點所示舉發證據組合均不足以證明系爭專利請求項1至10不具進步性：
⒈系爭專利請求項1C記載「一資料清洗裝置，用以接收複數個
購物資訊，將該些購物資訊對應到各自的一商品代號」，關於「商品代號」，基於申請時通常知識對於「商品」定義理解，係指因為商業行為而製造販售的物品。即便審酌系爭專利說明書第[0016]、[0017]段記載，已敘明「商品代號」係關聯於例如泡麵、皮夾等商品的編碼，同樣獲得該些商品係指因為商業行為而製造販售的物品之解釋。是系爭專利請求項1所界定「將該些購物資訊對應到各自的一商品代號」指關聯於商品種類的編碼，並非原告主張可對應於證據1之「第一商店種類」。況根據證據1說明書第[0021]至[0022]段記載，僅提到交易明細可為商店名稱或能夠代表店家的其他資料，當無法合理以商店名稱或代表店家的資料而將交易明細對應到各自的一商品代號，故證據1所述「第一商店種類」與商品代號無關，即無法對應1C之「將該些購物資訊對應到各自的一商品代號」技術特徵。
⒉證據1所述計算貼標模組15(說明書第[0020]段），其功能係
用以計算「所有交易資料中」對應該等商店種類的消費次數及交易金額以各別產生對應每一商店種類的商店消費總次數及商店消費總金額，並根據每一商店種類的商店消費總次數及商店消費總金額「將客戶歸類於複數個客戶標籤中的至少一第一客戶標籤」。申言之，證據1揭露的計算貼標模組15係分析同一客戶的所有交易資料是否達到某一商店種類的消費總次數及消費總金額閾值，據以將該客戶歸類於符合該商店種類的一客戶標籤。是以，證據1分析之資料標的，實際上是在「客戶在某一商店種類的消費次數以及在該商店内消費的總金額」而非分析「複數購物資訊所各自對應的一商品代號」，並未揭示系爭專利請求項1D之技術特徵。另證據1所述智能客戶貼標裝置1所包含的資料庫11、輸入模組12、資料擷取模組13、分類模組14或計算貼標模組15，皆不具有傳送對應於客戶標籤的推廣訊息、接收推廣訊息、促使列印機印出對應該推廣訊息的優惠券之功能，故證據1並未揭示系爭專利請求項1E、1F之技術特徵。
⒊證據2僅提到機器學習訓練單元可以基於大數據分析技術採用
分類演算法進行訓練分析學習，空泛表達要執行一個訓練步驟，並無具體說明是否使用KNN分類演算法直接分析發票的商品明細而得出對應的用戶標籤，更未揭露該機器學習訓練單元係透過複數個人工智能模型分析出「每個商品代號」所對應的一商品資訊，並且其中該些商品資訊「各自包含一客戶標籤」。是以，證據2並未揭示系爭專利請求項1D之技術特徵。
⒋證據3揭露一時序模型用以分析用戶在電商購物或社交網路上
的行為數據，而其分析結果為預測用戶是否流失，因而與系爭專利請求項1所界定「一資料清洗裝置，用以接收複數個購物資訊，將該些購物資訊對應到各自的一商品代號；一資訊分析裝置，電性耦接於該資料清洗裝置，該資訊分析裝置用以透過複數個人工智能模型分析出每個商品代號所對應的一商品資訊；其中該些商品資訊各自包含一客戶標籤」之1C、1D技術特徵全然不同。
⒌證據4僅提及關於第三方平台可為購物網站、紀錄用戶的歷史
購物信息，並可知其中歷史購物信息包含商品名稱，且購物網站由線上購物資訊伺服器所組成為所屬技術領域之通常知識，然證據4仍未揭示系爭專利請求項1所界定「一資料清洗裝置，用以接收複數個購物資訊，將該些購物資訊對應到各自的一商品代號；一資訊分析裝置，電性耦接於該資料清洗裝置，該資訊分析裝置用以透過複數個人工智能模型分析出每個商品代號所對應的一商品資訊；其中該些商品資訊各自包含一客戶標籤」之1C、1D技術特徵。
⒍證據5僅提及通過網路數據中心120收集的用戶在網路上活動
的線上數據、通過商店的POS機取得用戶的線下數據紀錄、一用戶數據關聯單元將具有相同用戶屬性數據的線上及線下數據紀錄合併整合到該用户的數據集中以供畫像建構引擎510對所述用戶數據進行分析統計，然證據5仍未揭示系爭專利請求項1所界定「一資料清洗裝置，用以接收複數個購物資訊，將該些購物資訊對應到各自的一商品代號；一資訊分析裝置，電性耦接於該資料清洗裝置，該資訊分析裝置用以透過複數個人工智能模型分析出每個商品代號所對應的一商品資訊；其中該些商品資訊各自包含一客戶標籤」之1C、1D技術特徵。
⒎證據6僅提及伺服器220接收透過眼球追蹤技術所採集到的眼
球追蹤數據，並分析與紀錄終端210的顯示螢幕上的用戶興趣區域，然證據6仍未揭示系爭專利請求項1所界定「一資料清洗裝置，用以接收複數個購物資訊，將該些購物資訊對應到各自的一商品代號；一資訊分析裝置，電性耦接於該資料清洗裝置，該資訊分析裝置用以透過複數個人工智能模型分析出每個商品代號所對應的一商品資訊；其中該些商品資訊各自包含一客戶標籤」之1C、1D技術特徵。
⒏證據7僅提及後台包含智能採集終端用以智能採集終端提取人
臉信息，前述後台從儲存用戶ID的儲存裝置中搜尋找到對應人臉信息的用戶ID，再透過視頻攝像頭記錄對應該用戶ID的人瀏覽的商品或是結帳的商品，並記錄到該用戶ID中以完善用戶全方位的標籤特徵。然證據7仍未揭示系爭專利請求項1所界定「一資料清洗裝置，用以接收複數個購物資訊，將該些購物資訊對應到各自的一商品代號；一資訊分析裝置，電性耦接於該資料清洗裝置，該資訊分析裝置用以透過複數個人工智能模型分析出每個商品代號所對應的一商品資訊；其中該些商品資訊各自包含一客戶標籤」之1C、1D技術特徵。
⒐證據9所述數據中心110雖對源數據進行清洗過濾，但所清洗
對象僅粗略表示為出版企業的業務數據信息、用戶基本信息和用戶行為信息，並無明確界定要清洗複數個購物資訊或購物紀錄，亦未揭示該源數據經過清洗可得出複數個購物資訊對應到各自的一商品代號。因此，證據9並未揭示系爭專利請求項1之技術特徵1B至1C「一會員資訊伺服器，包含：一資料清洗裝置，用以接收複數個購物資訊，將該些購物資訊對應到各自的一商品代號」。又依證據9說明書雖揭露分析層210根據源數據建立用戶標籤體系，分析用戶行為軌跡，得到相應的結論，其是通過用戶在平台的一系列行為，對所有的用戶貼上標籤1用標籤來分析用戶行為及偏好。然而，「用戶行為」並非「商品代號」；分析用戶行為軌跡而建立用戶標籤，係指分析用戶一系列活動（如：該用戶過去一段時間内瀏覽的各種網站内容，或其購買的所有書籍種類），但透過分析用戶的購買行為而建立用戶標籤，實際上是針對同一用戶的購買行為進行分析，亦即從用戶所有的歷史購物資訊，分析其經常大量購買的商品品項，以獲得每個用戶專屬的商品偏好標籤，而非分析出「每個商品代號」所對應的一客戶標籤；另由於證據9如前述之分析層210並未揭示分析出「每個商品代號」所各自對應的客戶標籤，即當然無法傳送各自對應於該些客戶標籤的一推廣訊息。另證據9說明書第[0062]段内容僅記載目的或構想，或僅表示願望或結果，但未具體記載任何用於推送服務的實施手段，由此顯示證據9亦未揭示系爭專利請求項1之1D至1F所載技術特徵。
⒑證據10所述購物籃之分析技術手段，在於利用Apriori演算法
預測顧客共同購買的商品組合。然依據證據10所述利用Apriori演算法並根據顧客複數個購物資訊的商品清單進行篩選，剔除不合適的商品項目，以獲得顧客購買商品間之關聯規則，其無關「從每個商品代號分析出所對應的一客戶標籤」，甚至會刪除原本購物資訊中的部分商品項目，故無法對應系爭專利請求項1C「一資料清洗裝置，用以接收複數個購物資訊，將該些購物資訊對應到各自的一商品代號」，亦未揭示1D「一資訊分析裝置，電性耦接於該資料清洗裝置，該資訊分析裝置用以透過複數個人工智能模型分析出每個商品代號所對應的一商品資訊；其中該些商品資訊各自包含一客戶標籤」之技術特徵。
⒒證據11僅係說明該等數據挖掘演算法屬於具有通常知識者所
熟知之技術，並未具體教示具有通常知識者如何獲得系爭專利所揭示「用以透過複數個人工智能模型分析出每個商品代號所對應之一商品資訊；其中該些商品資訊各自包含一客戶標籤」之功能或作用。即便將上述證據10、11內容與證據1至8其中數者或全部相結合，仍無法補足前述與系爭專利間之技術特徵差異，故該發明所屬技術領域中具有通常知識者，自難謂能經由如本案爭點所述證據組合即可輕易完成系爭專利請求項1之發明，均不足以證明系爭專利請求項1不具進步性。
⒓此外，系爭專利請求項2至10均為依附於請求項1之附屬項，
包含請求項1所有技術特徵，由於本案爭點所述證據組合不足以證明系爭專利請求項1不具進步性，已如前述，故上述證據結合亦當不足以證明系爭專利請求項2至10不具進步性。
(二)聲明：原告之訴駁回。
五、參加人答辯及聲明：
(一)原告各以證據1、9為主證據，分別結合證據2至8或結合證據10至12，均無法證明系爭專利請求項1至10不具進步性。證據1僅揭露針對「商店名稱（如新光三越）」進行「商店類別（如百貨業）」的歸納，與系爭專利請求項1在資訊處理的顆粒度(Granularity)與層級上完全不同，並未揭露處理「商品層級」資料的技術手段，其與證據2存有根本性商業邏輯斷裂，強行組合將導致荒謬結論，不具結合動機。即便將證據10、12視為通常知識，但無充分動機結合，且證據10之Apriori演算法找的是群體的關聯規則，對比系爭專利係挖掘「單一商品的客戶屬性」，亦存在明顯反向教示；證據12僅為資料結構描述，亦無法填補技術缺口，因此，系爭專利請求項1技術特徵1C無法由證據1、10、12的結合可以推導得出。另證據1為金融信用卡領域、證據2為數位App廣告、證據10為純軟體演算法、證據8則為印表機硬體，均來自完全不同子領域之證據，彼此間不具結合動機。再者，證據9係以「客戶為中心」的數位出版系統，分析用戶行為軌跡，其分析邏輯與系爭專利請求項1D係以「商品為中心」的分析邏輯完全相反，且其輸出手段是純數位的，與系爭專利請求項1F之實體列印背道而馳，故其在技術領域、分析標的以及最終輸出手段，均與系爭專利存在巨大差異且存有反向教示。此外，系爭專利申請時，大語言模型尚未發布、AI技術亦未成熟，原告空言稱依賴當時AI技術足使當時技術人員能輕易將上開各種異質證據透過AI模型進行簡單結合，無疑是無視當時技術水準強行拼湊，屬後見之明，並不可採。
(二)聲明：原告之訴駁回。
六、本件爭點（主要證據為證據1或9）：
(一)證據1、2之組合，或證據1、2、10、11之組合，或證據1、2、8之組合，或證據1、2、8、10、11之組合，是否足以證明系爭專利請求項1、8至10不具進步性？
(二)證據1、2、3之組合，或證據1、2、3、10、11之組合，或證據1、2、3、8之組合，或證據1、2、3、8、10、11之組合，是否足以證明系爭專利請求項1至3、8至10不具進步性？
(三)證據1、2、4之組合，或證據1、2、4、10、11之組合，或證據1、2、4、8之組合，或證據1、2、4、8、10、11之組合，是否足以證明系爭專利請求項1、4、8至10不具進步性？
(四)證據1、2、5之組合，或證據1、2、5、10、11之組合，或證據1、2、5、8之組合，或證據1、2、5、8、10、11之組合，是否足以證明系爭專利請求項1、5、8至10不具進步性？
(五)證據1、2、6之組合，或證據1、2、6、10、11之組合，或證據1、2、6、8之組合，或證據1、2、6、8、10、11之組合，是否足以證明系爭專利請求項1、6、8至10不具進步性？
(六)證據1、2、7之組合，或證據1、2、7、10、11之組合，或證據1、2、7、8之組合，或證據1、2、7、8、10、11之組合，是否足以證明系爭專利請求項1、7至10不具進步性？
(七)證據9、10、11之組合，或證據9、10、11、3之組合，或證據9、10、11、4之組合，或證據9、10、11、5之組合，或證據9、10、11、6之組合，或證據9、10、11、7之組合，是否足以證明系爭專利請求項1、8至10不具進步性？證據9、10、11、3之組合是否足以證明系爭專利請求項2、3不具進步性？證據9、10、11、4之組合是否足以證明系爭專利請求項4不具進步性？證據9、10、11、5之組合是否足以證明系爭專利請求項5不具進步性？證據9、10、11、6之組合是否足以證明系爭專利請求項6不具進步性？證據9、10、11、7之組合是否足以證明系爭專利請求項7不具進步性？
七、本院判斷：
(一)系爭專利申請日為110年7月30日，於110年12月13日形式審查後准予專利，並於111年1月21日公告。參加人於112年11月10日提起舉發，依專利法第119條第3項規定，系爭專利有無撤銷原因，應依核准審定時之108年5月1日修正公布、同年11月1日施行之專利法為斷（下稱核准時專利法）。又依核准時專利法第120條準用同法第22條第2項規定，新型為其所屬技術領域中具有通常知識者依申請前之先前技術所能輕易完成時，不得取得新型專利。
(二)系爭專利之技術內容、主要圖式及申請專利範圍詳如附表1所示。又附表2所示舉發證據1至12之公告日或公開日皆早於系爭專利申請日，均可作為系爭專利之先前技術（相關技術內容及主要圖式如附表2）。
(三)證據1、2之組合、證據1、2、10、11之組合、證據1、2、8之組合、證據1、2、8、10、11之組合不足以證明系爭專利請求項1、8至10不具進步性：
⒈系爭專利請求項1與證據1(主要證據)之比對：
⑴證據1說明書第[0015]段記載「本創作之智慧客戶貼標裝置
可透過資料處理以及多種比對方式自動標定信用卡消費資料中的交易資料進行分類，以將複雜的信用卡交易明細快速且有效地解決各筆消費資料查找對應的消費種類，進而提高效率並降低人力成本。而且，本創作之智慧客戶貼標裝置可根據客戶狀況的消費數據自動將客戶貼上標籤，對於銀行人員來說，不僅可以清楚的了解客戶的消費，而且也可以根據所有客戶的消費習慣制定活動規劃方向，以提高效率便利性」、說明書第[0020]段記載「智能客戶貼標裝置1包含資料庫11、輸入模組12、資料擷取模組13、分類模組14以及計算貼標模組15。資料庫11用以儲存複數個客戶標籤及複數個商店種類，其中每一客戶標籤對應複數個商店種類中的一商店種類。輸入模組12用以輸入客戶的信用卡消費資料。信用卡消費資料包含至少一交易資料，並且交易資料包含商店特徵以及交易金額。資料擷取模組13連接輸入模組12並且用以產生對應商店特徵的網路資料。分類模組14連接資料庫11、輸入模組12及資料擷取模組13。分類模組14以一比對規則找出符合網路資料的第一商店種類，並且將交易資料歸類於第一商店種類。計算貼標模組15連接分類模組14以及資料庫11。計算貼標模組15用以計算所有交易資料中對應該等商店種類的消費次數及交易金額以各別產生對應每一商店種類的商店消費總次數及商店消費總金額，並且根據每一商店種類的商店消費總次數及商店消費總金額將客戶歸類於複數個客戶標籤中的至少一第一客戶標籤」、第[0021]段記載「於實務中，智慧型客戶貼標裝置1安裝伺服器或電腦。…客戶標籤可根據各種消費類型的消費程度而設定，並且商店種類可依照商店的營業類型而設定。請參考表1，表1為一具體實施例之客戶標籤對照表。在本具體實施例中，客戶標籤係為『運動愛好族』、『咖啡族』、『新手爸媽族』、『百貨族』，商店種類係為『運動用品』、『咖啡廳』、『母嬰用品』、『百貨』，並且每一個客戶標籤對應一個商店種類。」及第[0026]段記載「分類模組14可根據各筆交易資料所對應的商店代碼找出對應的商店種類。於實務中，交易資料可包含商店代碼，而資料擷取模組13可根據商店代碼直接找出對應代碼的商店種類，或是根據商店代碼搜尋出商店名稱後，再根據商店名稱找出對應的網路資料。接著，分類模組14再自資料庫11挑選出與網路資料相符的商店種類。此外，資料庫11也可預存對應商店種類的商戶類別代碼。當交易資料包含商店代碼時，分類模組14可根據商店代碼自資料庫11中挑選出對應商店代碼的商店種類，並且進一步將該筆交易資料歸類於該商店種類。…」等，依上開證據1說明書第[0015]、[0020]、[0021]段說明，可對應系爭專利請求項1之「一種消費購物意向與推薦分析系統，包含：」技術特徵1A，以及「一會員資訊伺服器，包含：」技術特徵1B。
⑵證據1說明書第[0020]段可知證據1之資料擷取模組所產生
的是對應商店特徵的網路資料而非關於商品的網路資料，分類模組是依據比對網路資料找出符合的商店種類，將交易資料歸類於對應的商店種類，計算貼標模組則是在分析客戶在某一商店種類的消費次數以及在該商店內消費的總金額，而非分析複數購物資訊所各自對應的一商品代號。亦即證據1僅提到交易明細可為商店名稱或能夠代表店家的其他資料，自無法以商店名稱或代表店家的資料而將交易明細對應到各自的商品代號。又證據1所述智能客戶貼標裝置1所包含的資料庫、輸入模組、資料擷取模組、分類模組或計算貼標模組，皆不具有傳送對應於客戶標籤的推廣訊息、接收推廣訊息、促使列印機印出對應該推廣訊息的優惠券之功能。因此，證據1未揭示系爭專利請求項1技術特徵1C「一資料清洗裝置，用以接收複數個購物資訊，將該些購物資訊對應到各自的一商品代號；」、1D「一資訊分析裝置，電性耦接於該資料清洗裝置，該資訊分析裝置用以透過複數個人工智慧模型分析出每個商品代號所對應的一商品資訊；其中該些商品資訊各自包含一客戶標籤；」、1E「一推薦裝置，電性耦接於該資訊分析裝置，該推薦裝置用以傳送各自對應於該些客戶標籤的一推廣訊息；」、1F「以及一端末設備管理裝置，電性耦接於該推薦裝置，該端末設備管理裝置用以接收該些推廣訊息，並促使一列印機印出各自對應該些推廣訊息的一優惠券」等(下分別簡稱請求項1C、1D、1E、1F差異技術特徵)。
⒉請求項1C、1D、1E、1F差異技術特徵與證據2、8、10、11之比對：
⑴由證據2說明書第[0035]段記載「圖2是本發明一種基於發
票數據的精準廣告投放系統的第一種優選結構示意圖，如圖所示，本發明所述系統中的發票數據採集存儲模塊、使用者畫像分析模塊和廣告精準投放模塊中均進一步優選包括多個特定單元元件，具體地，發票數據採集存儲模塊包括依次連接的發票數據採集單元、發票數據索引建立單元和發票數據分散式存儲單元，發票數據採集單元採集使用者開具的電子發票或紙質發票的數據信息，發票數據信息優選具體包括但不限於發票抬頭、發票時間、商品明細、商品金額、手機號、郵箱等等的結構化信息，發票數據索引建立單元對發票的數據信息建立索引後根據索引對應緩存入分散式存儲單元，分散式存儲單元將緩存的發票數據信息批量上傳到雲端伺服器；也就是說，為保證數據的全面，發票數據採集存儲模塊將使用者開具的紙質發票以及電子發票，盡可能的採集，並提取發票的結構化信息數據，進行存儲；為保證存儲的穩定性，存儲在分散式單元中，為後續使用者分析提供發票基礎數據支撐。使用者畫像分析模塊包括依次連接的發票數據下載單元、機器學習訓練單元、使用者關聯單元、使用者畫像建立單元和使用者畫像輸出單元，發票數據下載單元從雲端伺服器下載發票數據後傳送至機器學習訓練單元，機器學習訓練單元基於大數據分析技術採用KNN分類演算法進行訓練分析學習，使用者關聯單元將訓練分析學習後的發票數據信息進行使用者關聯以建立唯一用戶，比如依據開票的手機號、郵箱等數據信息進行使用者關聯確定與手機號、郵箱對應的唯一用戶，再由使用者畫像建立單元從若干維度分析發票數據信息提取與唯一使用者相匹配的用戶標籤(比如是購買意向標籤、消費品類別標籤等)、使用者屬性(比如是使用者年齡段、用戶性別、用戶所屬地域、用戶工作行業、使用者身體情況、使用者家庭情況等)和使用者行為(比如是用戶消費習慣、用戶興趣習慣等)後構建用戶畫像從而為廣告精準投放實現數據支撐，比如，將開票手機號相同的發票統一歸於該手機號關聯確定的唯一用戶的帳戶中，然後依據該批發票常用的開票省份分析得出該使用者所屬省份地區，或者根據發票的商品明細分析是否包括大量某同類產品(如嬰幼兒用品)、開票的時間分析得出該用戶或者其家庭成員如子女等的年齡或身體情況等等，分析得出的結果均作為使用者標籤或使用者屬性或使用者行為等構建用戶畫像的基礎，依此構建全面的用戶畫像，使用者畫像輸出單元將建立好的使用者畫像輸出；…此時可以通過本方法從對海量歷史發票數據信息分析建立的使用者畫像中篩選，尋找出符合“育兒產品類”使用者標籤且同時符合“北京地區”使用者屬性的目標使用者群體，…」等，可知證據2並不具備將複數個購物資訊對應到各自的一商品代號之資訊處理手段(即未對應技術特徵1C)；雖證據2之發票數據訊息會經過機器學習訓練，然僅提到機器學習訓練單元可以基於大數據分析技術採用KNN分類演算法進行訓練分析學習，並無具體說明是否使用KNN分類演算法直接分析發票的商品明細而得出對應的用戶標籤，更未揭露該機器學習訓練單元係透過複數個人工智慧模型分析出每個商品代號所對應的一商品資訊，且該商品資訊各自包含一客戶標籤(即未對應技術特徵1D)。易言之，證據2僅是統計客戶的多筆發票明細之後，找出該客戶所大量購買的商品類別，並未揭露經過資料清洗、資訊分析處理而分別獲得不同商品代號各自對應的一商品資訊及其客戶標籤(即未對應技術特徵1E)，再分別傳送該些客戶標籤各自對應的推廣訊息至端末設備管理裝置以及列印相對應的優惠券(即未對應技術特徵1F)。因此，證據2亦未揭露請求項1C、1D、1E、1F差異技術特徵。
⑵證據8說明書第[0007]段記載「綜上所述，根據本創作之優
惠券發送系統，當消費者在兌換中獎發票時，即可依據所兌換的發票金額、欲兌換方式（例如現金、儲值金或商品）、會員身份等不同的條件，依據活動平台中的優惠券發行規則，產生對應的優惠券，並列印優惠券」，固提及兌獎機台接收優惠券資訊並促使列印機印出一優惠券，然證據8仍未揭示請求項1C、1D、1E差異技術特徵。
⑶證據10第5頁表1所示，其分析流程從為1-項目集(1-
itemset)建立候選清單(Candidate List)開始，把交易資料中出現過的所有商品(I1、I2、I3、I4、I5)，各自單獨列入清單中，這些稱為候選項(candidates)，並計算它們的支持次數(support counts)。接著剔除不符合最小支持次數(min_sup)的候選項(I4及I5)，此即為利用APRIORI演算法有效減少候選清單的數量，排除對後續規則產生無幫助的項目集，以產生出真正有用的購買商品關聯規則〔參證據10所述支持度(Support)：在所有交易中，同時購買A及B商品的機率。以及信賴度(Confidence)：代表在購買A的交易中，有多少比例同時購買B〕。由此可見，證據10所述APRIORI演算法，根據顧客複數個購物資訊的商品清單進行篩選，剔除所有交易中出現次數偏低的商品項目，以獲得顧客購買商品關聯規則，其無關「從每個商品代號分析出所對應的一客戶標籤」，甚至會刪除原本購物資訊中的部分商品項目，顯然無法對應請求項1D差異技術特徵(即欠缺技術特徵1D後段)。
圖14：使用APRIORI演算法，並逐步產生強關聯規則⑷證據11記載「通過數據挖掘方式產生，常用的方法包括LR
、GBDT、SVM、KNN、DNN等。產生的結果包括兩種，就是做數據挖掘的同學都知道的分類問題和回歸問題。例如利用算法預測哪些客戶是即將流失，產生一個流失客戶標籤，這就是分類。預測客戶下個月的交易金額就是回歸」，除了未揭示請求項1C「接受複數個購物資訊，並將該些購物資訊對應到各自的一個商品代號」，證據11僅係說明該等數據挖掘演算法屬於具有通常知識者所熟知之技術，並未具體教示具有通常知識者如何克服證據9之分析層210所欠缺的技術内容，即系爭專利請求項1D後段「用以透過複數個人工智能模型分析出每個商品代號所對應之一商品資訊；其中該些商品資訊各自包含一客戶標籤」之功能或作用(即欠缺請求項1C、1D差異技術特徵後段)。
⒊綜上，證據1、2、8均未揭露請求項1C、1D、1E差異技術特徵
，證據10、11均未揭露請求項1D差異技術特徵，故證據1、2之組合、證據1、2、10、11之組合、證據1、2、8之組合、證據1、2、8、10、11之組合均不足以證明系爭專利請求項1不具進步性。
⒋又系爭專利請求項8至10均為依附於請求項1之附屬項，包含
請求項1所有技術特徵，由於證據1、2之組合、證據1、2、1
0、11之組合、證據1、2、8之組合、證據1、2、8、10、11之組合均不足以證明系爭專利請求項1不具進步性，已如前述，故亦不足以證明系爭專利請求項8至10不具進步性。
⒌原告關於請求項1C差異技術特徵之主張，並非可採：
⑴經查，請求項1C差異技術特徵記載「一資料清洗裝置，用
以接收複數個購物資訊，將該些購物資訊對應到各自的一商品代號」，其中「商品代號」基於申請時之通常知識對於「商品」定義的理解，係指因為商業行為而製造販售的物品，即使審酌系爭專利說明書第[0016]、[0017]段記載，其已敘明「商品代號」係關聯於例如泡麵、皮夾等商品的編碼，故同樣應獲得該些商品係指因為商業行為而製造販售的物品之解釋。是以，上述「將該些購物資訊對應到各自的一商品代號」係指關聯於商品種類的編碼，而非原告所稱可對應於證據1之第一商店種類。況依證據1說明書第[0021]、[0022]段記載，僅提到交易明細可為商店名稱或能夠代表店家的其他資料，當無法合理以商店名稱或代表店家的資料而將交易明細對應到各自的一商品代號，故證據1所述「第一商店種類」與商品代號無關，即無法對應「將該些購物資訊對應到各自的一商品代號」之技術特徵。又「商品代號」依其字面文義當然與商品直接相關，復參系爭專利說明書第[0016]、[0017]段記載「購物資訊對應到各自的一商品代號，…，使來自不同方式或平台之購物資訊中的品項格式統一(或編碼方式統一)，例如對於商品的編號：泡麵的編碼一律都改成“A1234”，皮夾的編碼一律都改成“A5678”」，依系爭專利文字與說明書內容來解釋商品代號，可知商品代號有其限制，故證據1所載「第一商店種類」未直接對應系爭專利之商品代號，以美式咖啡(對應商品代號)為例，該商品可能販售於咖啡店或超商(分屬不同商店種類)，又以咖啡店為例，該咖啡店會販售不同種類咖啡(對應不同商品代號)，顯見兩者不能畫上等號或直接類比。另原告主張依證據12揭露商品種類與商品是習知普遍使用之歸納手法，證據10購物籃接收複數購物交易，並將複數個交易對應到商品代號，亦為習知所普遍使用的歸類手法；惟參證據12該段網頁文章之目的為分別給採購商和賣手打上標籤，證據10需搭配演算法且存有剔除不符條件候選項之反向教示，原告並未考量證據1與證據10、12間之技術內容關聯性，且彼此欠缺結合動機，遽以證據1之「第一商店種類」組合證據10、12後即可完成「商品代號」，恣意拼湊下完成請求項1C差異技術特徵，顯為後見之明，並非可採。
⑵又證據10所述購物籃分析之技術手段，在於利用APRIORI演
算法預測顧客共同購買的商品組合。如證據10第5頁表1所示，其分析流程從為1-項目集(1-itemset)建立候選清單(Candidate List)開始，把交易資料中出現過的所有商品(I1、I2、I3、I4、I5)，各自單獨列入清單中，這些稱為候選項(candidates)，並計算它們的支持次數(support counts)。接著剔除不符合最小支持次數(min_sup)的候選項(I4及I5)，此即為利用APRIORI演算法有效減少候選清單的數量，排除對後續規則產生無幫助的項目集，以產生出真正有用的購買商品關聯規則〔參證據10所述支持度(Support）：在所有交易中，同時購買A及B商品的機率。
以及信賴度(Confidence)：代表在購買A的交易中，有多少比例同時購買B〕。依此可見，證據10所述APRIORI演算法，根據顧客複數個購物資訊的商品清單進行篩選，剔除不合適的商品項目，以獲得顧客購買商品間之關聯規則，無關於「從每個商品代號分析出所對應的一客戶標籤」，甚至會刪除原本購物資訊中的部分商品項目，故無法對應請求項1C差異技術「一資料清洗裝置，用以接收複數個購物資訊，將該些購物資訊對應到各自的一商品代號」，亦未揭示1D差異技術「一資訊分析裝置，電性耦接於該資料清洗裝置，該資訊分析裝置用以透過複數個人工智能模型分析出每個商品代號所對應的一商品資訊；其中該些商品資訊各自包含一客戶標籤」。另證據11記載「通過數據挖掘方式產生，常用的方法包括LR、GBDT、SVM、
KNN、DNN等。產生的結果包括兩種，就是做數據挖掘的同學都知道的分類問題和回歸問題。例如利用算法預測哪些客戶是即將流失，產生一個流失客戶標籤，這就是分類。預測客戶下個月的交易金額就是回歸。」僅係說明該等數據挖掘演算法屬於具有通常知識者所熟知之技術，並未具體教示通常知識者如何獲得請求項1D差異技術揭示「用以透過複數個人工智能模型分析出每個商品代號所對應之一商品資訊；其中該些商品資訊各自包含一客戶標籤」之功能或作用。是以即便將證據10、11與前述證據1、2、8結合，仍無法補足前述與系爭專利請求項1、8至10之技術特徵差異，不足以認定不具進步性。
⒍原告關於請求項1D差異技術特徵之主張，並非可採：
⑴經查，證據1說明書第[0020]段所述計算貼標模組15，其功
能係用以計算「所有交易資料中」對應該等商店種類的消費次數及交易金額以各別產生對應每一商店種類的商店消費總次數及商店消費總金額，並根據每一商店種類的商店消費總次數及商店消費總金額「將客戶歸類於複數個客戶標籤中的至少一第一客戶標籤」。申言之，證據1揭露的計算貼標模組15係分析同一客戶的所有交易資料是否達到某一商店種類的消費總次數及消費總金額閾值，據以將該客戶歸類於符合該商店種類的一客戶標籤。是以，證據1之計算貼標模組15所分析之資料標的，實際上是在分析「客戶在某一商店種類的消費次數以及在該商店內消費的總金額」，而非分析「複數購物資訊所各自對應的一商品代號」，故證據1並未揭示請求項1D「一資訊分析裝置，電性耦接於該資料清洗裝置，該資訊分析裝置用以透過複數個人工智能模型分析出每個商品代號所對應的一商品資訊；其中該些商品資訊各自包含一客戶標籤」之差異技術技術特徵。
⑵又證據2說明書第[0035]段所述用戶畫像建立單元係用以「
根據發票的商品明細分析是否包括大量某同類產品（如嬰幼兒用品）」，其實際上只是要統計同一客戶的多筆購物發票明細，從其中得出該客戶是否大量購買某特定種類商品的結論，而非分析出「每個商品代號」所對應的一客戶標籤，亦未包含原告所稱透過人工智能模型分析「同類產品」所對應的目標用戶群體資訊。再者，證據2所述機器學習訓練單元，僅見說明書第[0035]段文字描述「…發票數據下載單元從雲端服務器下載發票數據後傳送至機器學習訓練單元，機器學習訓練單元基於大數據分析技術採用KNN分類演算法進行訓練分析學習，用戶關聯單元將訓練分析學習後的發票數據訊息進行用戶關聯以建立唯一用戶，…且從若干維度分析發票數據信息提取與唯一用戶匹配的用戶標籤、用戶屬性和用戶行為後構建用戶畫像從而為廣告精準投放實現數據支撐」，故證據2僅提到機器學習訓練單元可以基於大數據分析技術採用KNN分類演算法進行訓練分析學習，只是表達要執行一個由分析發票數據訊息提取用戶標籤、用戶屬性和用戶行為之訓練步驟，並未揭露該機器學習訓練單元係透過複數個人工智能模型分析出「每個商品代號」所對應的一商品資訊，並且其中該些商品資訊「各自包含一客戶標籤」。是以，證據2並未揭示請求項1D差異技術「一資訊分析裝置，電性耦接於該資料清洗裝置，該資訊分析裝置用以透過複數個人工智能模型分析出每個商品代號所對應的一商品資訊；其中該些商品資訊各自包含一客戶標籤」，原告主張並非可採。
(四)證據1、2、3之組合、證據1、2、3、10、11之組合、證據1、2、3、8之組合、證據1、2、3、8、10、11之組合，均不足以證明系爭專利請求項1至3、8至10不具進步性：
⒈請求項1C、1D差異技術特徵與證據3之比對：
證據3說明書第[0052]段記載「步驟S302，獲取目標物件的行為數據，其中，行為數據包括：不同類型的多個目標行為序列，行為數據為目標物件與預設終端進行交互後產生的數據」、第[0053]段記載「上述步驟中的目標對象可以是需要進行使用者流失預測的用戶，在不同業務場景，目標對象不同，例如，在電商購物場景中，目標對象可以是電商購物平台中註冊的會員，還可以是電商購物平台中某個店鋪的VIP會員。在社交網絡場景中，目標對象可以是社交網絡的使用用戶」、第[0054]段記載「而且，在一個業務場景中，用戶可以進行不同的交互行為，從而產生不同類型的行為數據。
例如，在電商購物場景中，行為數據可以包括點擊、流覽、收藏、購買等類型。在社交網絡場景中，行為數據可以包括登錄、轉發、分享、發布等類型」以及第[0062]段記載「在一種可選的實施例中，可以將上述方案部署在業務平台中，在業務平台為使用者提供服務的過程中，實時收集使用者的行為資料，進一步利用訓練好的時序模型對其進行處理，預測每個用戶是否流失，並將預測結果返回給管理人員，從而管理人員可以對業務進行調整，或者向用戶推送優惠券、廣告等資訊」等，依此可知，證據3係利用訓練好的時序模型分析用戶在電商購物或社交網路上的行為數據，用以預測用戶是否流失，此與系爭專利請求項1C、1D之差異技術特徵不同。
⒉依前所述，證據1、2、3、8均未揭露系爭專利請求項1C、1D
差異技術特徵，證據10、11均未揭露請求項1D差異技術特徵後段，故證據1、2、3之組合、證據1、2、3、10、11之組合、證據1、2、3、8之組合、證據1、2、3、8、10、11之組合，均無法完成系爭專利請求項1所有技術特徵。是以，證據1、2、3之組合、證據1、2、3、10、11之組合、證據1、2、3、8之組合、證據1、2、3、8、10、11之組合，均不足以證明系爭專利請求項1不具進步性。
⒊系爭專利請求項2、3、8至10均依附於請求項1，包含請求項1
所有技術特徵，由於證據1、2、3之組合、證據1、2、3、10、11之組合、證據1、2、3、8之組合、證據1、2、3、8、10、11之組合均不足以證明系爭專利請求項1不具進步性，故上開證據組合亦不足以證明系爭專利請求項2、3、8至10不具進步性。
⒋原告雖主張系爭專利請求項2、3記載之技術特徵為證據3內容
所對應揭示云云（本院卷㈠第257至264頁）。惟查，依前所述，證據3說明書第[0052]至[0054]、[0062]段揭露內容可知，證據3係揭露一時序模型用以分析用戶在電商購物或社交網路上的行為數據，而其分析結果為預測用戶是否流失，因而與系爭專利請求項1C、1D差異技術特徵全然不同。是以，該發明技術領域中具有通常知識者即使結合證據3之內容，仍無從輕易完成系爭專利請求項1所揭示之發明。又系爭專利請求項2、3均為請求項1之附屬項，並包含請求項1全部技術特徴，故前述各證據之結合亦同樣無法輕易完成請求項
2、3之發明，自不足以認定系爭專利不具進步性。
(五)證據1、2、4之組合、證據1、2、4、10、11之組合、證據1、2、4、8之組合、證據1、2、4、8、10、11之組合，均不足以證明系爭專利請求項1、4、8至10不具進步性：
⒈請求項1C、1D差異技術特徵與證據4之比對：
證據4說明書第[0031]段記載「歷史購物信息可以根據每一名目標使用者的IP位址或者用戶的購物帳號，通過爬蟲程式從第三方平台上爬取獲得，或者直接從第三方平台進行購買獲得，然後將獲得的歷史購物信息保存在資料庫中，便於後續分析時進行調用」、第[0051]段記載「在具體的應用場景中，該商品推送方法可以是部署在購物網站後台的推送算法，各購物網站從本地數據庫中調取網站中每個用戶的歷史購物信息，通過大數據分析手段獲得每個用戶的用戶特徵，並為其添加對應的用戶標籤，購物網站在為網站上的各電商商家進行商品推送時，根據該商品的需求用戶對應的用戶標籤，準確將商品信息推送到具有相同用戶標籤的用戶群體中，為用戶提供智慧化的商品推薦，引導用戶購物，進而促進用戶的消費」，以及第[0052]段記載「此外，該商品推送方法也可以是部署在一個單獨的平台中的推送算法，該平台能夠為各電商商家提供自助化的商品推送功能。該平台首先從協力廠商平台上爬取或者購買大量使用者的歷史購物信息，並為每個使用者打上對應的用戶標籤，然後將這些信息保存在平台內的資料庫中」，是證據4僅提及可從協力廠商平台或購物網站取得紀錄用戶包含商品名稱的歷史購物資訊，並未揭示系爭專利請求項1C、1D差異技術特徵。
⒉依前所述，證據1、2、4、8均未揭露系爭專利請求項1C、1D
差異技術特徵，證據10、11未揭露系爭專利請求項1D差異技術特徵後段，故證據1、2、4之組合、證據1、2、4、10、11之組合、證據1、2、4、8之組合、證據1、2、4、8、10、11之組合，均無法完成系爭專利請求項1所有技術特徵。是以，證據1、2、4之組合、證據1、2、4、10、11之組合、證據
1、2、4、8之組合、證據1、2、4、8、10、11之組合，均不足以證明系爭專利請求項1不具進步性。
⒊系爭專利請求項4、8至10依附於請求項1，包含請求項1所有
技術特徵，由於證據1、2、4之組合、證據1、2、4、10、11之組合、證據1、2、4、8之組合、證據1、2、4、8、10、11之組合均不足以證明系爭專利請求項1不具進步性，故上開證據組合亦不足以證明系爭專利請求項4、8至10不具進步性。
⒋原告雖主張系爭專利請求項4記載之技術特徵為證據4內容所
對應揭示云云（本院卷㈠第266至270頁）。惟查，依前所述，證據4說明書第[0031]、[0051]、[0052]段揭露內容可知，證據4僅提及關於第三方平台可為購物網站、紀錄用戶的歷史購物信息，並可知其中歷史購物信息包含商品名稱且購物網站由線上購物資訊伺服器所組成為所屬技術領域之通常知識，然證據4仍未揭示系爭專利請求項1C、1D差異技術特徵。是以，該發明技術領域中具有通常知識者即使結合證據4之內容，仍無從輕易完成系爭專利請求項1所揭示之發明。又系爭專利請求項4為請求項1之附屬項，並包含請求項1全部之技術特徵，故前述各證據之結合亦同樣無法輕易完成請求項4之發明，自不足以認定系爭專利不具進步性。
(六)證據1、2、5之組合、證據1、2、5、10、11之組合、證據1、2、5、8之組合、證據1、2、5、8、10、11之組合，均不足以證明系爭專利請求項1、5、8至10不具進步性：
⒈請求項1C、1D差異技術特徵與證據5之比對：
證據5說明書第[0050]段記載「用戶可以通過用戶終端設備110連接到網路數據中心120並與其進行互動，網路數據中心120從所述互動中收集用戶的信息，通過網絡數據中心120收集的用戶在網絡上活動的所有用戶信息統稱為線上數據記錄」、第[0056]段記載「在一個實施例中，所述計算機服務器包括用戶數據關聯單元，其為存儲在計算機服務器中的軟件程序，該軟件程序運行時以用戶屬性數據作為關鍵字從多維數據庫160中搜索具有相同屬性資料的線上數據記錄和線下數據記錄，將具有相同用戶屬性數據的線上數據記錄和線下數據記錄合併到該用戶的數據集中。由此，同一用戶的線上數據記錄和線下數據記錄互相關聯，形成完整的用戶數據記錄」、第[0085]段記載「在一個實施例中，銷售終端設備204為商店的POS機。用戶在結算時使用個人信息，POS機將該筆消費記錄連同個人資訊傳送給用戶數據關聯單元205」及第[0115]段記載「數據收集系統501用於從線上和線下獲取、關聯並存儲用戶數據記錄，數據讀取單元502與數據收集系統501相連接，用於讀取所述用戶數據記錄，並將所述用戶數據記錄發送到畫像構建引擎510。畫像構建引擎510中的數據分析單元503從數據讀取單元502接收用戶數據，執行數據分析方法對所述用戶資料進行分析統計，得到一個以上用戶類別。畫像構建引擎510中的標籤分配單元504與數據分析單元503相連接，用於根據用戶類別分配用戶標籤。」，是證據5僅提及通過網路數據中心收集用戶的線上數據記錄，通過商店的POS機取得用戶的線下數據紀錄、一用戶數據關聯單元將具有相同用戶屬性數據的線上及線下數據紀錄合併整合到該用戶的數據集中以供畫像建構引擎對所述用戶數據進行分析統計，並未揭示系爭專利請求項1C、1D差異技術特徵。
⒉依前所述，證據1、2、5、8均未揭露系爭專利請求項1C、1D
差異技術特徵，證據10、11未揭露系爭專利請求項1D差異技術特徵後段，故證據1、2、5之組合、證據1、2、5、10、11之組合、證據1、2、5、8之組合、證據1、2、5、8、10、11之組合，均無法完成系爭專利請求項1所有技術特徵，是以證據1、2、5之組合、證據1、2、5、10、11之組合、證據1、2、5、8之組合、證據1、2、5、8、10、11之組合，均不足以證明系爭專利請求項1不具進步性。
⒊系爭專利請求項5、8至10依附於請求項1，包含請求項1所有
技術特徵，由於證據1、2、5之組合、證據1、2、5、10、11之組合、證據1、2、5、8之組合、證據1、2、5、8、10、11之組合均不足以證明系爭專利請求項1不具進步性，故上開證據組合亦不足以證明系爭專利請求項5、8至10不具進步性。
⒋原告雖主張系爭專利請求項5記載之技術特徵為證據5內容所
對應揭示云云（本院卷㈠第271至276頁）。惟查，依前所述，證據5說明書第[0050]、[0056]、[0085]、[0115]段揭露內容可知，證據5僅提及通過網路數據中心120收集的用戶在網路上活動的線上數據、通過商店的POS機取得用戶的線下數據紀錄、一用戶數據關聯單元將具有相同用戶屬性數據的線上及線下數據紀錄合併整合到該用戶的數據集中以供畫像建構引擎510對所述用戶數據進行分析統計，然證據5仍未揭示系爭專利請求項1C、1D差異技術特徵。是以，該發明技術領域中具有通常知識者即使結合證據5之內容仍無從輕易完成系爭專利請求項1所揭示之發明。又系爭專利請求項5為請求項1之附屬項，並包含請求項1全部之技術特徵，故前述各證據之結合亦同樣無法輕易完成請求項5之發明，自不足以認定系爭專利不具進步性。
(七)證據1、2、6之組合、證據1、2、6、10、11之組合、證據1、2、6、8之組合、證據1、2、6、8、10、11之組合，均不足以證明系爭專利請求項1、6、8至10不具進步性：
⒈請求項1C、1D差異技術特徵與證據6之比對：
證據6說明書第[0075]段記載「如圖2所示，在本申請實施例中，用戶在終端210上觀看第一用戶帳號發布的視頻11，終端210利用眼球追蹤技術採集用戶在觀看視頻時的眼球追蹤數據12，並將眼球追蹤數據12發送至服務器220，通過服務器220獲取到用戶的眼球追蹤資料12，服務器220調用興趣分析系統13對眼球追蹤資料12進行分析，得到該用戶觀看視頻時的用戶興趣區域14，該用戶興趣區域14用於表示用戶對視頻中人員或事物產生興趣時，人員或事物在視頻中所對應的區域。服務器220調用人像識別系統/物體識別系統15對用戶興趣區域14中的人員或事物進行識別，得到第二用戶帳號的相關資訊16。」，可知證據6僅提及伺服器接收透過眼球追蹤技術所採集到的眼球追蹤數據並分析與紀錄終端的顯示螢幕上的用戶興趣區域，並未揭示系爭專利請求項1C、1D差異技術特徵。
⒉依前所述，證據1、2、6、8均未揭露系爭專利請求項1C、1D
差異技術特徵，證據10、11未揭露系爭專利請求項1D差異技術特徵後段，故證據1、2、6之組合、證據1、2、6、10、11之組合、證據1、2、6、8之組合、證據1、2、6、8、10、11之組合，均無法完成系爭專利請求項1所有技術特徵，是以，證據1、2、6之組合、證據1、2、6、10、11之組合、證據
1、2、6、8之組合、證據1、2、6、8、10、11之組合均不足以證明系爭專利請求項1不具進步性。
⒊系爭專利請求項6、8至10依附於請求項1，包含請求項1所有
技術特徵，由於證據1、2、6之組合、證據1、2、6、10、11之組合、證據1、2、6、8之組合、證據1、2、6、8、10、11之組合均不足以證明系爭專利請求項1不具進步性，故上開證據組合亦不足以證明系爭專利請求項6、8至10不具進步性。
⒋原告雖主張系爭專利請求項6記載之技術特徵為證據6內容所
對應揭示云云（本院卷㈠第277至282頁）。惟查，依前所述，證據6說明書第[0075]段揭露內容可知，證據6僅提及伺服器220接收透過眼球追蹤技術所採集到的眼球追蹤數據並分析與紀錄終端210的顯示螢幕上的用戶興趣區域，然證據6仍未揭示系爭專利請求項1C、1D差異技術特徵。是以，該發明技術領域中具有通常知識者，即使結合證據6之內容仍無從輕易完成系爭專利請求項1所揭示之發明。又系爭專利請求項6為請求項1之附屬項，並包含請求項1全部之技術特徵，故前述各證據之結合亦同樣無法輕易完成請求項6之發明，自不足以認定系爭專利不具進步性。
(八)證據1、2、7之組合、證據1、2、7、10、11之組合、證據1、2、7、8之組合、證據1、2、7、8、10、11之組合，均不足以證明系爭專利請求項1、7至10不具進步性：
⒈請求項1C、1D差異技術特徵與證據7之比對：
證據7說明書第[0025]段記載「(1)將WiFi探針或WiFi上網模塊與攝像頭組合在一起，組成智慧採集終端，部署進店鋪、購物中心或其他公共場所時，同時捕捉每個人的視頻、圖像數據，以及探測手機的WiFiMAC地址」、第[0034]段記載「A.利用智慧採集終端的數據統計某人在商場或店鋪裡的駐留情況，依據商場類型、商場檔次、商鋪品牌等信息對使用者進行標籤畫像；人們在逛街到達商場和商鋪時，通過智能設備可以捕捉到消費者的人臉圖像和手機的MAC、IMEI等信息，即形成了消費者在線下真實的位置行為數據，用戶行為數據即可作為標籤畫像的依據」、第[0035]段記載「B.利用攝像頭捕捉每個人的人臉特徵，以及每個人對不同商品的瀏覽，記錄分析該人的個人喜好，比如性別，年齡段、衣服品牌、眼鏡品牌、包品牌、鞋子品牌等，進行標籤畫像」、第[0036]段記載「C.利用攝像頭結合電子支付平台可以支援刷臉支付，利用支付及會員信息識別該人的黏度及消費能力，結合具體的購買清單，進行標籤畫像」、第[0038]段記載「E.通過和線上ID進行融合打通，對接互聯網平台和電商平台，進一步完善該用戶全方位的標籤特徵」及第[0039]段記載「
(5)廣告信息投放：當用戶出現在視頻攝像頭覆蓋的場館、店鋪或區域時，在後台可以識別到用戶身份，找出用戶ID(線下ID與手機ID)，通過數據管理平台(DMP)查詢用戶標籤畫像，連接互聯網營銷廣告平台(媒體)，根據用戶標籤畫像進行信息篩選，進行相關信息推薦，通過推送或信息流等方式在APP等媒體應用上進行展示，達到移動營銷觸達的目的」，可知證據7僅提及用智能採集終端所搜尋用戶行為數據作為標籤畫像的依據，從儲存用戶ID的儲存裝置中找到對應人臉資訊的用戶ID，再透過視頻攝像頭記錄對應該用戶ID個人瀏覽的商品或是結帳的商品，並記錄到該用戶ID中以完善用戶全方位的標籤特徵，並未揭示系爭專利請求項1C、1D差異技術特徵。
⒉依前所述，證據1、2、7、8均未揭露系爭專利請求項1C、1D
差異技術特徵，證據10、11未揭露系爭專利請求項1D差異技術特徵後段，故證據1、2、7之組合、證據1、2、7、10、11之組合、證據1、2、7、8之組合、證據1、2、7、8、10、11之組合，均無法完成系爭專利請求項1所有技術特徵，是以，證據1、2、7之組合、證據1、2、7、10、11之組合、證據
1、2、7、8之組合、證據1、2、7、8、10、11之組合均不足以證明系爭專利請求項1不具進步性。
⒊系爭專利請求項7至10依附於請求項1，包含請求項1所有技術
特徵，由於證據1、2、7之組合、證據1、2、7、10、11之組合、證據1、2、7、8之組合、證據1、2、7、8、10、11之組合均不足以證明系爭專利請求項1不具進步性，故上開證據組合亦不足以證明系爭專利請求項7至10不具進步性。
⒋原告雖主張系爭專利請求項7記載之技術特徵為證據7內容所
對應揭示云云（本院卷一第282至288頁）。惟查，依前所述，證據7說明書第[0025]、[0034]至[0036]、[0038]、[0039]段揭露內容可知，證據7僅提及後台包含智能採集終端用以提取人臉信息，前述後台從儲存用戶ID的儲存裝置中搜尋找到對應人臉信息的用戶ID，再透過視頻攝像頭記錄對應該用戶ID的人瀏覽的商品或是結帳的商品，並記錄到該用戶ID中以完善用戶全方位的標籤特徵；然證據7仍未揭示系爭專利請求項1C差異技術特徵「一資料清洗裝置，用以接收複數個購物資訊，將該些購物資訊對應到各自的一商品代號；」、請求項1D差異技術特徵「一資訊分析裝置，電性耦接於該資料清洗裝置，該資訊分析裝置用以透過複數個人工智能模型分析出每個商品代號所對應的一商品資訊；其中該些商品資訊各自包含一客戶標籤」。是以，該發明技術領域中具有通常知識者即使結合證據7之內容，仍無從輕易完成系爭專利請求項1所揭示之發明。又系爭專利請求項7為請求項1之附屬項，並包含請求項1全部之技術特徵，故前述各證據之結合亦同樣無法輕易完成請求項7之發明，自不足以認定系爭專利請求項7不具進步性。
(九)證據9、10、11之組合、證據9、10、11、3之組合、證據9、
10、11、4之組合、證據9、10、11、5之組合、證據9、10、
11、6之組合、證據9、10、11、7之組合均不足以證明系爭專利請求項1、8至10不具進步性。證據9、10、11、3之組合不足以證明系爭專利請求項2、3不具進步性。證據9、10、1
1、4之組合不足以證明系爭專利請求項4不具進步性。證據9、10、11、5之組合不足以證明系爭專利請求項5不具進步性。證據9、10、11、6之組合不足以證明系爭專利請求項6不具進步性。證據9、10、11、7之組合不足以證明系爭專利請求項7不具進步性：
⒈系爭專利請求項1與證據9(主要證據)比對：
⑴證據9說明書第[0059]、[0061]段與圖1揭露智能用戶標籤
系統，其中，說明書第[0059]段記載「數據中心110用於採集來源資料，對來源資料進行清洗、過濾，並對清洗過濾的來源資料進行存儲；來源資料包括出版企業的業務資料資訊、使用者基本資訊和使用者行為資訊。其中，數據中心110包括資料獲取單元111、資料處理單元112和資料存儲單元113，資料獲取單元111用於採集來源資料，主要實現出版企業的業務系統、使用者基本資訊採集系統、使用者行為資訊採集系統等系統的資料與使用者標籤系統的同步；資料處理單元112用於對來源資料進行清洗、過濾，數據存儲單元113用於對清洗過濾的來源資料進行存儲」，可知證據9之智能用戶標籤系統，對應於系爭專利請求項1A之「一種消費購物意向與推薦分析系統，包含：」技術特徵。又依證據9圖1顯示智能用戶標籤系統包含數據中心110與說明書第[0059]段記載「資料獲取單元111用於採集來源資料，主要實現出版企業的業務系統、使用者基本資訊採集系統、使用者行為資訊採集系統等系統的資料與使用者標籤系統的同步」，可對應請求項1之「一會員資訊伺服器，包含：」技術特徵1B。
⑵證據9說明書第[0059]段記載「數據中心110中的資料處理
單元112對使用者行為資訊進行清洗、過濾」，雖可對應請求項1之差異技術特徵1C前段「資料清洗裝置」，惟未揭示購物資訊與商品代號，無法對應請求項1之差異技術特徵1C後段「用以接收複數個購物資訊，將該些購物資訊對應到各自的一商品代號」。
⑶證據9說明書第[0055]至[0060]段雖揭露分析層210根據源
數據建立用戶標簽體系，分析用戶行為軌跡，得到相應的結論，其是通過用戶在平台的一系列行為，對所有的用戶貼上標簽，用標簽來分析用戶行為及偏好。然而，「用戶行為」並非「商品代號」，分析用戶行為軌跡而建立用戶標簽，係指分析用戶一系列活動（如：該用戶過去一段時間內所瀏覽的網頁內容）。即使透過分析用戶的購買行為而建立用戶標簽，其實際上是針對同一用戶的購買行為進行分析，亦即從用戶所有的歷史購物資訊，分析其經常大量購買的商品品項，以獲得每個用戶專屬的商品偏好標籤，而非分析出「每個商品代號」所對應的一客戶標籤，故證據9並未揭示系爭專利請求項1D之差異技術特徵「一資訊分析裝置，電性耦接於該資料清洗裝置，該資訊分析裝置用以透過複數個人工智能模型分析出每個商品代號所對應的一商品資訊；其中該些商品資訊各自包含一客戶標籤」。
⑷證據9如前述之分析層210並未揭示分析出「每個商品代號
」所各自對應的客戶標籤，即當然無法傳送各自對應於該些客戶標籤的一推廣訊息。又查證據9說明書第[0062]段雖以文字敘述數字內容運營平台313將書籍、音視頻、圖文、題庫、遊戲、應用等相關產品分類一站式提供給用戶，並結合運營層中的內容偏好引擎組件221實現內容精準推送服務，然該說明書內容僅記載目的或構想，或僅表示願望或結果，但未具體記載任何用於推送服務的實施手段，由此可知，證據9亦未揭示系爭專利請求項1E差異技術特徵「一推薦裝置，電性耦接於該資訊分析裝置，該推薦裝置用以傳送各自對應於該些客戶標籤的一推廣訊息；以及」、請求項1F差異技術特徵「一端末設備管理裝置，電性耦接於該推薦裝置，該端末設備管理裝置用以接收該些推廣訊息，並促使一列印機印出各自對應該些推廣訊息的一優惠卷」。準此，證據9並未揭示系爭專利請求項1差異技術特徵1C後段、1D、1E、1F。
⒉依據前述，證據3至7均未揭露系爭專利請求項1C、1D差異技
術特徵，證據9未揭露請求項1差異技術特徵1C後段、1D、1E、1F，證據10、11未揭露請求項1D差異技術特徵後段，故證據9、10、11之組合、證據9、10、11、3之組合、證據9、10、11、4之組合、證據9、10、11、5之組合、證據9、10、11、6之組合、證據9、10、11、7之組合均無法完成系爭專利請求項1所有技術特徵。又系爭專利請求項8至10依附於請求項1，包含請求項1之所有技術特徵，故證據9、10、11之組合、證據9、10、11、3之組合、證據9、10、11、4之組合、證據9、10、11、5之組合、證據9、10、11、6之組合、證據
9、10、11、7之組合，均不足以證明系爭專利請求項1、8至10不具進步性。
⒊系爭專利請求項2至7均依附於請求項1，包含請求項1所有技
術特徵，由於證據9、10、11、3之組合、證據9、10、11、4之組合、證據9、10、11、5之組合、證據9、10、11、6之組合、證據9、10、11、7之組合均不足以證明系爭專利請求項1不具進步性，已如前述，依此而論，證據9、10、11、3之組合不足以證明系爭專利請求項2、3不具進步性；證據9、1
0、11、4之組合不足以證明系爭專利請求項4不具進步性；證據9、10、11、5之組合不足以證明系爭專利請求項5不具進步性；證據9、10、11、6之組合不足以證明系爭專利請求項6不具進步性；證據9、10、11、7之組合不足以證明系爭專利請求項7不具進步性。
⒋至原告雖主張證據9、10及11結合通常知識已揭示系爭專利請
求項1差異技術特徵1D云云（本院卷一第240至252頁）。惟查：
⑴證據9說明書第[0055]至[0060]段雖揭露分析層210根據源
數據建立用戶標簽體系，分析用戶行為軌跡，得到相應的結論，其是通過用戶在平台的一系列行為，對所有的用戶貼上標簽，用標簽來分析用戶行為及偏好。然而，「用戶行為」並非「商品代號」；分析用戶行為軌跡而建立用戶標簽，係指分析用戶一系列活動(如：該用戶過去一段時間內瀏覽的各種網站內容，或其購買的所有書籍種類)，但透過分析用戶的購買行為而建立用戶標簽，其實際上是針對同一用戶的購買行為進行分析，亦即從用戶所有的歷史購物資訊，分析其經常大量購買的商品品項，以獲得每個用戶專屬的商品偏好標籤，而非分析出「每個商品代號」所對應的一客戶標籤，故無法對應系爭專利請求項1差異技術特徵1D後段「透過複數個人工智能模型分析出每個商品代號所對應的一商品資訊；其中該些商品資訊各自包含一客戶標籤」。
⑵證據10所述購物籃分析技術手段，在於利用APRIORI演算法
預測顧客共同購買的商品組合。如證據10第5頁表1所示，其分析流程從為1-項目集(1-itemset)建立候選清單(Candidate List)開始，把交易資料中出現過的所有商品(II、I2、I3、I4、I5)，各自單獨列入清單中，這些稱為候選項(candidates)，並計算它們的支持次數(supportcounts)。接著剔除不符合最小支持次數(min_sup)的候選項(14及15)，此即為利用APRIORI演算法有效減少候選清單的數量，排除對後續規則產生無幫助的項目集，以產生岀真正有用的購買商品關聯規則(參證據10所述支持度(Support)：在所有交易中，同時購買A及B商品的機率。以及信賴度(Confidence)：代表在購買A的交易中，有多少比例同時購買B)。由此可見，證據10所述APRIORI演算法，根據顧客複數個購物資訊的商品清單進行篩選，剔除不合適的商品項目，以獲得顧客購買商品關聯規則，其無關「從每個商品代號分析出所對應的一客戶標籤」，甚至會刪除原本購物資訊中的部分商品項目，故無法對應系爭專利請求項1差異技術特徵1C所載「一資料清洗裝置，用以接收複數個購物資訊，將該些購物資訊對應到各自的一商品代號」，亦未揭示請求項1差異技術特徵1D所載「一資訊分析裝置，電性耦接於該資料清洗裝置，該資訊分析裝置用以透過複數個人工智能模型分析出每個商品代號所對應的一商品資訊；其中該些商品資訊各自包含一客戶標籤」。
⑶另證據11中記載「通過數據挖掘方式產生，常用的方法包
括LR、GBDT、SVM、KNN、DNN等。產生的結果包括兩種，就是做數據挖掘的同學都知道的分類問題和回歸問題。例如利用算法預測哪些客戶是即將流失，產生一個流失客戶標簽，這就是分類。預測客戶下個月的交易金額就是回歸。」僅係說明該等數據挖掘演算法屬於具有通常知識者所熟知之技術，並未具體教示具有通常知識者如何克服證據9之分析層210所欠缺的技術內容，即系爭專利請求項1D差異技術特徵所揭示「用以透過複數個人工智能模型分析出每個商品代號所對應之一商品資訊；其中該些商品資訊各自包含一客戶標籤」之功能或作用。而證據10所述APRIORI演算法，僅係用於剔除所有交易中出現次數偏低的商品項目，故與證據9或系爭專利所揭示之技術手段均無關聯。是以即便將上述證據內容加以結合，仍無法補足前述與系爭專利間之技術特徵差異。準此，該發明所屬技術領域中具有通常知識者，自難謂能經由證據9、10、11及通常知識之結合即可輕易完成系爭專利請求項1之發明，並不足以證明系爭專利請求項1不具進步性。此外，系爭專利請求項8至10均為依附於請求項1之附屬項，包含請求項1所有技術特徵，由於證據9、10、11之結合不足以證明系爭專利請求項1不具進步性，已如前述，故上述證據之結合亦當不足以證明系爭專利請求項8至10不具進步性，是以原告之主張並非可採。
八、綜上所述，本件依爭點所示舉發證據組合均不足以證明系爭專利請求項1至10不具進步性。從而，被告所為系爭專利請求項1至10舉發不成立之原處分，並無違誤，訴願決定予以維持，亦無不合。原告請求撤銷訴願決定及原處分，為無理由，應予駁回。
九、本件判決基礎已經明確，當事人其餘主張、答辯及訴訟資料經本院斟酌後，核與判決結果不生影響，並無一一論述的必要。
十、結論：本件原告之訴為無理由，依智慧財產案件審理法第2條，行政訴訟法第98條第1項前段，判決如主文。
中 華 民 國 115 年 4 月 2 日
智慧財產第一庭
審判長法 官 汪漢卿
法 官 曾啓謀法 官 吳俊龍以上正本係照原本作成。
一、如不服本判決，應於送達後20日內，向本院提出上訴狀並表明上訴理由，其未表明上訴理由者，應於提起上訴後20日內向本院補提上訴理由書；如於本判決宣示或公告後送達前提起上訴者，應於判決送達後20日內補提上訴理由書（均須按他造人數附繕本）。
二、上訴未表明上訴理由且未於前述20日內補提上訴理由書者，逕以裁定駁回。
三、上訴時應委任律師為訴訟代理人，並提出委任書（行政訴訟法第49條之1第1項第3款）。但符合下列情形者，得例外不委任律師為訴訟代理人（同條第3項、第4項）。
得不委任律師為訴訟代理人之情形 所 需 要 件 ㈠符合右列情形之一者，得不委任律師為訴訟代理人 1.上訴人或其代表人、管理人、法定代理人具備法官、檢察官、律師資格或為教育部審定合格之大學或獨立學院公法學教授、副教授者。 2.稅務行政事件，上訴人或其代表人、管理人、法定代理人具備會計師資格者。 3.專利行政事件，上訴人或其代表人、管理人、法定代理人具備專利師資格或依法得為專利代理人者。 ㈡非律師具有右列情形之一，經最高行政法院認為適當者，亦得為上訴審訴訟代理人 1.上訴人之配偶、三親等內之血親、二親等內之姻親具備律師資格者。 2.稅務行政事件，具備會計師資格者。 3.專利行政事件，具備專利師資格或依法得為專利代理人者。 4.上訴人為公法人、中央或地方機關、公法上之非法人團體時，其所屬專任人員辦理法制、法務、訴願業務或與訴訟事件相關業務者。 是否符合㈠、㈡之情形，而得為強制律師代理之例外，上訴人應於提起上訴或委任時釋明之，並提出㈡所示關係之釋明文書影本及委任書。中 華 民 國 115 年 4 月 13 日
書記官 蔣淑君