由于其没有采用技术手段或者利用自然规律，也未解决技术问题和产生技术效果，因而不构成技术方案。它既不符合专利法第二条第二款的规定，又属于专利法第二十五条第一款第（二）项规定的情形。因此，指导人们进行这类活动的规则和方法不能被授予专利权。
审查指南中指出在判断涉及智力活动的规则和方法的专利申请要求保护的主题是否属于可授予专利权的客体时，应当遵循以下原则：
（1）如果一项权利要求仅仅涉及智力活动的规则和方法，则不应当被授予专利权。具体的，如果一项权利要求，除其主题名称以外，对其进行限定的全部内容均为智力活动的规则和方法，则该权利要求实质上仅仅涉及智力活动的规则和方法，也不应当被授予专利权。
（2）除了上述（1）所描述的情形之外，如果一项权利要求在对其进行限定的全部内容中既包含智力活动的规则和方法的内容，又包含技术特征，则该权利要求就整体而言并不是一种智力活动的规则和方法，不应当依据专利法第二十五条排除其获得专利权的可能性。
下面结合一具体案例对智力活动的规则和方法进行解读。具体的，本文以案例的权利要求1为例进行解读，权利要求1如下：
1.一种CTR预估的方法，其特征在于，包括：
原始特征训练步骤：将当前对象的原始特征处理后输入至深度神经网络的输入层，由所述深度神经网络的多个隐含层进行训练；
实时特征训练步骤：将当前对象的实时特征输入至所述深度神经网络的最后一个隐含层，与原始特征进行联合训练；
预估点击率输出步骤：通过所述深度神经网络的输出层输出当前对象的预估点击率。
上述权利要求1的驳回决定的理由为：
权利要求1要求保护一种CTR预估的方法，所采用的方案是采用神经网络训练原始特征，仅仅是对神经网络的训练过程，没有应用到技术领域，因而权利要求要保护的对象仅仅是一种数学运算方法，属于人为制定和调整的算法规则，属于专利法第25条第1款（二）的智力活动的规则和方法，不能被授予专利权。
申请人（下称复审请求人）对上述驳回决定不服,向国家知识产权局提出了复审请求，未对权利要求书进行任何修改。复审请求人认为：权利要求1请求保护的方案涉及对推送技术进行改进以使得推送结果或者相关信息得到更好的展现，从而改进网络信息的推广。如权利要求1的前序部分所述，权利要求1涉及“一种CTR预估的方法”，其中，CTR代表信息流推荐点击率，也就是说，权利要求1是针对信息流推荐平台提出的技术方案。为了解决上述问题，权利要求1提出的方案包括将当前对象的原始特征处理会输入至深度神经网络的输入层，由所述深度神经网络的多个隐含层进行训练；将当前对象的实时特征输入至所述深度神经网络的最后一个隐含层，与原始特征进行联合训练。并且达到效果：提高了信息流推荐点击率预估的准确率。此外，本申请权利要求1中明确记载“将当前对象的原始特征处理”、“将当前对象的实时特征输入”、“输出当前对象的预估点击率”等技术特征，不属于专利法第25条规定的不授予专利权的范围。
原审查部门在前置审查阶段坚持原驳回决定。随后，国家知识产权局成立合议组对本案进行审理。在上述程序的基础上，合议组认为本案事实已经清楚，可以作出审查决定。审查决定中记载：尽管权利要求1中涉及到的深度神经网络属于一种算法，属于智力活动的规则和方法，但是将深度神经网络应用信息推荐领域，并形成基于此算法的解决方案，该解决方案采用了技术手段，解决了技术问题并获得了技术效果，因此，权利要求1整体而言，不属于智力活动的规则和方法，不属于专利法第25条第1款第2项规定的不授予专利权的情形。因此，撤销国家知识产权局作出的驳回决定。
从上述案例中，可以看出判断涉及智力活动的规则和方法的专利申请是否可授予专利权，不能仅看权利要求中是否包含智力活动规则和方法的内容，而要从整体上进行考量。若权利要求在限定的全部内容中既包含智力活动规则和方法的内容，又包含技术特征，则整体上不属于智力活动的规则和方法，不应依据专利法第二十五条排除其获得专利权的可能性。在“CTR预估的方法”案例中，虽然深度神经网络属于算法（智力活动的规则和方法），但将其应用于信息推荐领域，形成完整的解决方案，整体方案包含了技术手段、解决了技术问题并产生了技术效果，从而不属于智力活动的规则和方法。
也就是说，智力活动的规则和方法通常是抽象的、理论性的，而当其应用于具体的实际场景并产生实际效果时，其所形成的方案就整体而言并不是一种智力活动的规则和方法。在上述案例中，深度神经网络算法本身属于智力活动的规则和方法，但将其应用于信息推荐领域，通过特定的步骤和方法提高了信息流推荐点击率预估的准确率，具有实际的应用价值和效果，从而使得该算法所构成的方案就整体而言并不是一种智力活动的规则和方法。
可以理解的是，专利保护的技术方案具备技术性这一显著特性，而智力活动规则和方法本质上并不具有技术性。所以，对于涉及智力活动规则和方法的算法类专利申请而言，有必要融入具有技术性的内容。
上述案例融入技术性内容的方式是设定信息流推荐点击率的应用场景，借助方案得出的结果以及所涉及的主题来呈现预估点击率这一特定场景。这种方式操作起来相对简单，但同时也存在较大的隐患，容易引发审查员对专利申请客体的疑虑。
针对这类问题，其实还可以采用其他更为稳妥的处理方式。例如，深入挖掘当前对象的原始特征以及当前对象的实时特征所蕴含的含义，并且在算法的每一个步骤中，清晰地体现出这些步骤与所要解决的技术问题之间存在紧密的关联性。具体而言，算法所处理的数据应当是技术领域中具有明确技术含义的数据。通过这种方式，能够更有效地凸显技术性，降低专利申请的风险。
总的来说，在进行此类案例的专利撰写时，若处理不当，很容易引发审查员对专利申请客体的疑虑。因此，除了通过设定应用场景并利用结果来限定场景之外，还可以在算法的每一个步骤中，清晰体现算法步骤与所要解决的技术问题之间的紧密关联。具体而言，要凸显算法处理的数据在技术领域中具有确切的技术含义。比如，在案例的信息推荐场景下，明确当前对象的原始特征、当前对象的实时特征所表达的具体含义，将算法的各个步骤与信息推荐这一技术场景进行强关联，以此凸显技术性，这种方式相对更为保险，能够有效降低专利申请过程中的风险。