JPS6198486A - オンライン手書き文字認識方式 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 〔発明の利用分野〕 本発明は、文字が書かれているときに、画かれるその文
字の筆跡を表わすＴＷ報を逐次処理し、迅速に該文字を
認識するようにしたオンライン手書き文字認識方弐釦関
する。

〔発明の背景〕

オンライン手書き文字認識方式は、文字の誉よ始め、Ｊ
よ終り、筆記具の上下動（すなわち、タブレットなどの
筆記器に筆記具が当ったか否か）、筆誘の座標位置など
を表わす情報を逐次入力して処理し、これら情報をもと
廻して迅速に文字認識の着果を出力する文字認識方式で
ある。

従来のオンライン手書き文字認識の一般的な方式は、筆
記具の上下動を表わす情報をもとくして曹かれた文字の
画数および各画を検出し、同一画数の全ての文字標準パ
ターンとの類似度を計算し、類似度が最大となる文字標
準パターンを認識結果として出力するものであった。こ
の類似度の一例としては、文字の各画をｍ（但し、ｍは
自然数）等分点で表わしく以下、この画の近似を画の（
ｆｉ＋１）点近似という）、書かれた文字（以下、入力
文字という）と文字種１　　　　準パターンとの互いに
対応する大忙おける互いに対応する点間の距離（たとえ
ば、ユークｙ２ト距陥）の総和の逆数で表わすものがあ
る。

しかし、この方式によると、入力文字と、これと同−画
数の全文字標準パターンとの間の類似度を計算しなけれ
ばならないから、その計算回数は莫大なものとなる。た
とえば、入力文字が８画の漢字とすると、８画の漢字は
教育漢字だけで９４文字であシ、９４回の類似度計算が
必要となって演算所要時間が非常に長大なものと木材等
が電子通信学会論文誌ＶｔＪ、Ｊ６４Ｄ　Ｎｏ　１１（
１９８４年１１月）に「手書き漢字の部分パターン抽出
と認識」と題して発表した論文に記載される方式がある
。

この方式は、嘗よ終った入力文字の左半分や右半分など
の一部分だけを抽出して偏、骨などの部首を検出し、こ
の部首によシ、入力文字を分類して候補となる標準文字
を限定するものである。この方式洗よると、たとえば、
入力文字”’　８　Ｕｎ　ｆ）　”３Ｃ’Ａ　１　ｈ　
−ｖ　”Ｃ″”Ｓ　ｒＶＪ　（ｌｆｌ、゛）　　。

である場合、この「シ」を検出することにより、この「
シヨをもつ８画の漢字（たとえば、教育漢字「非コなど
のように、代表的な部首をもたない入力文字や部首の部
分の変形が大きい文字ばついては分類が困難であシ、分
頑誤りによって誤った認識をするか、あるいは分類不能
と判断し、改めて同一画数の全ての文字標準パターンと
の類似度の計算をしなければならないという問題がある
。

〔発明の目的〕

本発明の目的は、上記従来技術の問題点を解消−し、入
力文字が分類誤シ、分類不能となることを低減し、認−
〇ための演Ａ時間を大１贋に短縮することができるよう
にしたオンライン手書♂文字認識方式を提供するにある
。

〔発明の概要〕

この目的を達成するために、本発明は、筆記中の手Ｊ入
力文字の誉キ始めの数−の形状とこの形状と同じ画数の
文字標準パターンとの類似度から、該入力文字が該文字
標準パターンによって決まる分類カテゴリーのいずれか
に入るかいずれの分層カテゴ９−にも入らないかを判定
して該入力文字を分類し、いずれかの分類カテゴリーに
入る該入力文字に対しては、該入力文字が入る該分類力
テゴ９−に属する該入力文字と同一画数の候補文字と該
入力文字との最大の類似度となる該候補文字を検出して
認識結果とし、前記分類カテゴリーのいずれにも入らな
い前記入力大手に対しては、該入力文字と同一画数の全
ての文字標準パターンと該入力文字との類似度を粗い精
度で得、得られた類似度のうちの上位複数個の類似度を
選出し、選出された該上位の類似度を与えかつ核入力文
字と同一画数の該文字標準パターンのうちの該入力文字
とで最大の類似度を与える文字標準パターンを認識結果
と決定するようにした点に特徴がある。

〔発明の実施例〕

以下、本発明の実施例を図面を用いて説明する。第１図
は本発明によるオンライン手書Ｓ文字認識方式の一実施
例を示すブロック図であって、１は入力端子、２はＣＰ
Ｕ　（中央処理抜型へ３はインターフェース回路、４，
５はメモ９、６はインターフェース回路、７は出力端子
でろる。

同図にかいて、タブレットなどの単記器（図示せず）で
画かれる入力文字の誉よ始め、書ヨ終シを表わすディジ
タル信号、筆記中、短かい時間間隔（たとえば、１０７
ＦＬ４４Ｇ程度）でペンなどの筆記具の上がシ下がりの
状態を表わすディジタル信号および筆記器上での筆記具
の座標位置を表わすディジタル信号が、入力端子１から
インターフェース回路３を介してＣＰＵ２に送られてく
る。

ＣＰＵ２は、入力文字の書き始めを衣わすディジタル信
号（以下、書き始め信号という）を受は取ると、この入
力文字に対する認識動作を開始し、筆記具の上が９下が
シの状態を表わすディジタル信号（以下、上下動状態信
号という）（を受は収って、筆記具の上がりから下がり
への）□ 最初の変化を判別することにより、入力文字の最初の１
画の開始を検出し、以後、入力される筆記具の座標位置
を表わすディジタル信号（以下、座標位ＴＩｔ信号とい
うンを全てメモリ４に記憶する。メモ９４はデータを一
時的に記憶するためのものでアク、たとえば、汎用のＲ
Ａ　Ｍ　（ランダムアクセスメモリ９などを用いる。

上下動状態信号により、−Ｊ記憶の下がシから上がシへ
の変化を判別して最初の１画の終了を検出する。この１
画の終了が検出されると、メモ９４への座標位置信号の
書き込みを中断する。

これ釦よって、メモ９４には、最初の１１７の全座標位
置のデータが記憶される。

次に、次の１画の開始が検出されるまでに、この最初の
１画に関する全座標位置データによ！０、ＣＰＵ２にお
いて、この１画をｍ（但し、飢は自然数）点近似する演
算を行ない、この演算によって得られた１点の座標位置
データをメモリ４に蒼き込む。画の１点近似の演算とは
、画の両端および？ＰＬ　−１等分点の座標を計算する
　　　！ものである。

このようにして、入力文字の書？始めのａｈ（最初の数
置。以下同様）について１点近似を行ない、これら数置
によって形成される形状から入力文字を分類するが、こ
こで、−例として、誓よ始めの２画および３画による形
状からの入力文字の分類について説明する。

第２図はかかる分類に際してのＣＰＵ２の演算動作の一
具体例を示すフローチャートである。

先に説明したように、メモリ４への座標位置信号の曾ヨ
込み、画の１点近似が行なわれるとともに％　ＣＰＵ２
は入力文字の画数もカウントする。そして、そのカクン
ト値が２となって２画の１点近似を終了すると、ＣＰＵ
２はメモリ４から１点近似された２画の座標位置データ
（すなわち、ｍ×２個）を読み取る。一方、メモリ５に
は、あらゆる形状の標準パターンがパターンコードとと
もに記憶されてお、り、ＣＰＵ２は、また、メモ９５か
ら２画からなる標準パターン（たとえば、ｒ＋Ｊ　、ｒ
イ」など）の座標位置データを読み取シ、入力文字の上
記２画による形状と２画標準パターンとの類似度を計算
する。

メモ９５はデータを半永久的に記録するものであり、た
とえば、汎用のＦ　ＲＯＭ　（プログラマブル９−ドオ
ン９メモリ）などが用いられる。

類似度の尺度の例として、この実施例では、相互相関係
数を用いる。すなわち、人力文字の最初の２画と２画標
準パターンとの２７ＰＬ点のχ座標の相互相関係Ｃ１と
ｙ座標の相互相関係数Ｃ７とを計算し、これらを加算し
たｃｐ＝ｃχ＋Ｃ２を類似度の尺度とする。

なお、２点例ＩＸ）、（ＸＳ）間の相互相関係数Ｃｘｘ
　ｓは次式で表わされる（以上５−１）。

次に、全ての２画標準パターンとの類似度（相互相関係
数）の中から最大坂を選び出す（Ｓ−２）。そして、こ
の最大値を与える２画像準パターンを入力文字の最初の
２画に対応した２画標準パターンとする。但し、この最
大値を予め設けた類似度のしきい値と比較し、この最大
値がこのしきい値を下回わるときＫは、入力文字はいず
れの２画標準パターンとも対応がつかないものとする（
以下、５−３）。

次に、入力文字が最初の３画まで乳点近似された段階で
、この入力文字に対応づけられた上記の２画顕準パター
ンを含む３画標準パターンを、メモ９５に記憶されてい
る２画と３画の関連表から選び出す。この標準パターン
の関連表の一具体例を第３図忙示す。

この関連表は、ろる２画標準パターンが入力文字に対応
づけられた場合、この２画標準パターンを含みこの入力
文字に対応づけられる可能性のある３画標準パターンを
列挙したものでろ（シ、たとえば、２画標準パターン「
＋」に対し；　　ア９．！、、３つ＠＄Ａ　ｆｉ　−：
ｙ　「−ヨ（、あ。、え。、。

や「イ」（てへん）などがあげられる（以下、Ｓ−４）
。

このようＫして、入力文字に対応づけられた２画標準パ
ターンのパターンコープとこの入力文字との類似度を計
算すべき３画標準パターンのパターンコードとがメモ！
１４に書き込まれる。

なお、入力文字に対応する２画標準パターンがないとき
には、これを表わすコードをメモリ４に書き込む。この
場合には、この入力文字と全ての３画標準パターンとの
類似度が計算されるが、このために、メモ９５から全て
の３画標゛準パターンのパターンコードが読み出されて
メモリ４に書き込まれる。

次に、入力文字と上記の３画標準パターンとの対応づけ
を行なうが、そのためのＣＰＵ２の演算動作を第４図の
フローチャートを用いて説明する。

ＣＰＵ２は、画のカウント数が３となると、メモリ４か
ら乳点近似された最初の３画分の座標位置データを読み
０、また、メモリ４力・ら　　　！先に書き込んだパタ
ーンコードを読み収る。そして、これらバタンコードに
対応した３画標準パターンの座標位置データをメモリ５
から読み取り、入力文字の最初の３画による形状とこれ
ら３画標準パターンとの類似度（相互相関係数）を計算
する（Ｔ−１）。次に、２２画の対応づけの場合と全く
同様に、類似度の最大値を選出しくＴ−２）、この最大
値が予め設定されたしきい値以上のとき、この最大値を
与える３画標準パターンを入力文字に対応づけ（Ｔ　−
ｓ　）　、この対応づけられた３画標準パターンのパタ
ーンコードをメモリ５から読み出してメモリ４に書き込
む。

なお、ある２画標準パターン（たとえば、「＋」）Ｋ対
応づけられるが、この２画ａ準パターンと関連づけられ
た３画標準パターン（たとえば、「→」、「才コなど）
のいずれとも対応づけられない（すなわち、上記類似度
の最大値が上記しよい１直を下回わる場合）入力文字に
対しては、それを示すコードをメモ！１４Ｋｔ＆込む。

また、たとえば、２画標準パターン「イＪ（にんべん）
のように％関連する３画標準パターンが存在しない場合
には、ＣＰＵ２は３画の対応づけのための演算動作は行
なわず、２画の対応づけで得られた２画標準パターンの
パターンコードなそのままメモリ４に記憶しておく。

以上のようにして、入力文字の分類が完了する。

次に、ＣＰＵ２は入力文字の書き終シを表わすディジタ
ル信号（以下、書き終シ信号という）を入力するまで画
数をカウントし、入力文字の画数を検出する。

入力文字に対応づけられる“２画標準パターンあるいは
、３画標準パターンが存在する場合には、入力文字の画
数を検出すると、ＣＰＵ２は、これら標準パターンのパ
ターンコードによシ、メモ９５からこれら標準パターン
に関連した（すなわち、書き始めの２画あるいは３画に
よる形状がこの２画あるいは３面標準パターンと一致す
る）候補文字の標準パターンの座標位置データを読み取
り、また、メモ９４から入力文字の全ての画の全ての座
標位置データをｄみ取り、これら座標位置データから入
力文字と候補文字との類似度（たとえば、出互相関係数
ユークｙッド距離の逆数など）を計算する。この類似度
の計算は全ての候補文字毎に行ない、類似度が最大とな
る候補文字を入力文字の認識結果と決定してその文字コ
ードを出力する。

メモ９５に記憶される画数別および２，３画標準パター
ン別の候補文字と文字コードを示す候補文字表の一具体
例を第５図に示す。

次に、２画、３画標準パターンのいずれとの類似度の最
大値がしよい直未膚である入力文字の認識のためのＣＰ
Ｕ２の演算動作を、第６図のフローチャートを用いて説
明する。

かρ＼る入力文字は、２画標準パターンとの対応づけが
できないことが判定されると、次に、全ての３画標準パ
ターンとの対応づけがなされ１　　　るが、これでも、
対応づけができなかったものゼ である。

これらの対応づけに対する演算が完了すると、入力文字
は全ての画についてｍ点近頭され、これらの点を表わす
座標位置データがメモ９４に書き込まれる。

次に、ＣＰＵ２はメモ９４から画毎に１点（但し、１く
風であって、１は１，２程度と小さな数である）づつ座
標データを読み−ｔシ、各画をＪ−薫近似する（Ｕ−１
）。一方、入力文字の画数を九とすると、これと同一画
数の１画文字標準パターンを各画毎に１点近似してメモ
リ５から読み取り、１点近似された入力文字との類似度
（たとえば、対応する画の対応する点間のユークリッド
距離の逆数）を計算する。この計算は１画の全ての文字
標準パターンについて行なう（Ｕ−２）。そして、得ら
れた類似度のうちの上位４個（たとえば、Ａ＝１０　）
を選び出しくＵ−３）、これら４個の類似度を与える夫
々の九画文字標準パターン忙対して、１点近似による入
力文字との類似度を計算する（Ｕ−４）。　　　！しか
る後、得られた類似度のうちの最大のものを選出しくＵ
−５）、この最大の類似度を与えるｎ画大文字標準パタ
ーン認識結果として出力する。

ここで、入力文字を具体的に設定してＣＰＵ２の動作を
、第２図および第４図を参照しながら説明する。なお、
”＝　３（すなわち、３点近似）とし、また、１；１（
すなわち、１点近似）とする。

まず、入力文字を「板」とする。

ＣＰＵ２は、入力文字「板」の最初の２画「＋」を入力
し、これらを３点近似した後、メモ９５から読み出され
る全ての２画文字標準パターンとの類似度を計算し、最
も類似度が高い２画文字標準パターンとしてｒ＋Ｊ　（
パターンコード２０１）を選出する。この最大の類似度
は一定のしきい値以上であシ、そこで、この入力文字「
板」に対応した２画標準パターンを「＋」と決定し、こ
のパターンｒ＋Ｊのパターンコード２０１をメモ９４に
＊！込み、これとともに、このパターン「＋」に関連し
、類似度を計算すべき３画文字標準パターン（「←Ｊ、
ｒｆＪ、「オ」など）をメモリ５から見つけ出し、それ
らのパターンコード３０１．５０２，５０５などをメモ
リ４に誉よ込む。

次いで、ＣＰＵ２は入力文字「板」の最初のｓｒｔｍｒ
ｔ」を入力し、これらを３点近似した後、メモリ４に記
憶されているパターンコー）”３０１゜３０２．３０５
などに対応した３画文字標準パターン「←」、「才」、
「オ」などの類似度の計算をし、最大の類似度を与える
文字標準パターン「オ」わ選出する。この文字標準パタ
ーン「オ」を与える類似度は先のしきい値以上であシ、
このため、文字標準パターン「才コは入力文字「板」に
対応した文字標準パターンと決定し、そのパターンコー
ド３０３をメモ９４　Ｋ誉＃込ム。

次いで、ＣＰ　Ｕ　２は入力文字「板コと同一画数８と
、対応づけられた標準文字パターンのパターンコード３
０３とＫよシ、メモ９５から候補文字「板」と「林」の
座標位置データを入力し、夫々忙ついて入力文字との類
似度を計算し、類似度がよシ高い候補文字「板コを認識
結果と決定してそのパターンコード４８４４をインター
フェ−ス回路６を介して出力端子７に出力する。

次に、入力文字を［非Ｊとする。

ＣＰＵ２は、入力文字「非」の最初の２画「グ」を入力
し、これらを３点近似した後、メモ！Ｉ５から読み出さ
れる全ての２画文字標準パターンとの類似度を計算し、
最も高い類似度を選び出す。しかし、この類似度は先の
しきい値未満であ）、このために、入力文字「非」Ｋ対
応づけられる２画文字標準パターンは存在しないものと
し、これを示すコード２００をメモリに書き込む。これ
とともに、メモ９５から全ての５画文字標準パターンの
パターンコード３０１　、３０２　。

−−一−−−が読み出され、メモ！Ｉ４に書き込まれる
。

次いで、ＣＰＵ２は入力文字「非」の最初の５画「ノ」
を入力し、これらを３点近似した後、メモリ４に記憶さ
れているパターンコードに対（応した３画文字標準パタ
ーンとの類似度の計算）゛　　　ヶい最大８ヶ８１度ヶ
選び出す。、９１２、この最大の類似度は先のしきい値
未満であシ、このため、入力文字「非」に対応づけられ
る３画文字標準パターンも存在しないものとし、これを
示すコード３００をメモ９４に書キ込む。

次いで、ＣＰＵ２は、入力文字「非コの全一入力すると
ともに、各画を３点近似し、さらに、各画から１点づつ
抽出して１点近似する。一方、メモ９５から８画の全て
の文字ｅ４＜　３’Ｊパターンを１点近似して読み出し
、入力文字「非」との類似度を計算して上位１０個の類
似度を選び出す。

そして、これら１０１固の類似度を与える８画の候補文
字に対してのみ、３点近似によシ、入力文字「非Ｊとの
類似度を計算し、そのうらの最大となる類似度を選出し
てその類似度を与える候補文字「非」を認識結果とし、
その文字コードを出力端子７に出力する。

以上のように、この実施例では、入力文字を誉よ始めの
２画、３画で入力文字の分類が行な＃′１・−″’ｉ、
！ｊ″″′″４”１”１１“・７４′　　！算が開始し
、ある程度以上の画数の文字に対しては、文字全体が画
かれないうちに、分類演算は完了する。すなわち、入力
文字が蒼き終るまでに、この入力文字がどの分類カテゴ
リーに属するか、いずれの分５８カテゴリーにも属さな
いかが判定でよる。

また、入力文字がある分類カテゴ９−に属すると判廻さ
れた場合、類似度を計算すべき候補文字が大幅に限定さ
れるので、類似度の計算回数が大幅に低減される。たと
えば、入力文字の最初の３画と文字標準パターン「才」
（てへんンとの類似Ｕが高いと判定された場合、入力文
字と同一画数で最初の３画が「才」との類似度が高い文
字標準パターンとのみ類似度を計算すればよい。たとえ
ば、入力文字が８画とした場合、８画の赦Ｈ漢字は９４
字あるが、そのうちの最初の３＃Ｊが「才」との類似度
が高い文字は高々１５字程度であシ、類似度計算因数は
、９４字全てＫついて計算した場合の約にとなる。

さらに、入力文字がいずれの分類カラゴ９−に属さない
と判定された場合には、入力文字と同一画数の全文字標
準パターンとの類似度を低い精度で計算し、得られた類
似度のうらの上位数個の類似度を与える文字標準パター
ンとのみ、よシ高い精度で類似度を計算するから、始め
から全文字標準パターンとの類似度を筒い精度で計算す
る場合に比べ、類似度の計其回畝を大幅に低減でよる。

この点に関して、本発明の３名の発明者の氏名を表わす
４画、８＃１．１４画の教育漢字を入力文字とし、各画
を１点近似して文字係準パターンとの対応する点間のコ
ーク９．ド距離の総和の逆数で類似度を茨わし、入力文
字と同じ文字標準パターンとの類似度が上位何位以内に
入ったかの実装を行なったところ、オフ図に示すような
実、Ａ結果を得た。

これによると、各画を１点近似して類似度を計算すると
、上位１２位以内の類似度を与える文字４　準パターン
中に、はぼ１００％入力文字と同じ文字標準パターンが
含まれることがわかる。

したがって、たとえば、８画教育漢字の場合、各画を１
点近似して対応する点間のユーク９２ド距離を計ＫＬ、
、その総和の逆数が上位１２恒以内となる文字標準パタ
ーンについてのみ各画を３点近似して同はの距離計算を
行なうと、その＃ｊ回数は、９４Ｘ８Ｘ１＋１２Ｘ８Ｘ
３＝１０４０回となる。これに対して、各画を３点近似
し、同様の距離計ｌを全ての８ｍ文字標準パターンと行
なうと、その計昇回数は、９４　Ｘ　８　Ｘ　３　＝　
２２５６回となり、したがって、点間の距離計算回数は
／２以下に低減される。

なお、上記実施例では、ｍ＝　３　、　ｎ　＝＝　１３
　、　Ｊ−＝　１゜４＝１０としたが、本発明はこれら
に限定されるものではなく、また、類似度についても、
光の説明のみに限定されるものではないことはいうまで
もない。

〔発明の効果〕

以上説明したように１本発明によれは、いかなる入力文
字も、該入力文字が書♂終るまでに！　　　は、設定さ
れた分類カテゴ９−に入るか否かが２′ 判走されるものであるから、優ヨ終るまでに、必ず分類
され、しかも分類後には、比較対象となる１莢補文字の
数が大幅に低減されるから、認識のための演算時間を大
幅に短縮することかできて、しかも、いかなる入力文字
も正確に認識でき、上記従来技術の問題点を解消して浸
れた機能のオンライン手ｄよ文字認識方式を提供するこ
とがでよる。

【図面の簡単な説明】

第１図は本発明によるオンライン手蓄キ文字認識方式の
一実施例を示すプロ、り図、第２図は入力文字と２画文
字標準パターンとの対応づけのための第１図の中央処理
装置の演算動作を示すフローチャート、第３図ば２画文
字標準パターンと３画文字標準パターンとの関連表の一
具体例を示す説明図、第４図は入力文字と３画文字標準
パターンとの対応づけのための第１図の中央処理装置の
演算動作を示すフローチャート、第５図は各分類カテゴ
９−における候補文字の一具体例を示す説明図、第６図
はいずれの　　　！分層カテゴ９−にも入らない入力文
字の認、ｙｌ果を得るための第１図の中央処理装置の演
算動作を示すフローチャート、オフ図は入力文字の各画
を一点近似した場合の累債分類率を示すグラフ図である
。 １・・・入力端子、２・・・中央処理装置、３・・・イ
ンターフェース回路、４．５・・・メモリ、６・・・イ
ンターフェース回路、７・・・出力端子。

Claims (1)

【特許請求の範囲】
1. 筆記中のｎ（但し、ｎは自然数）画入力文字の筆跡情報
   を逐次入力し、該情報にもとづいて該ｎ画入力文字を認
   識するようにしたオンライン手書き文字認識方式におい
   て、筆記中の該ｎ画入力文字の筆跡情報から該ｎ画入力
   文字の最初のｊ画（但し、ｊはｎよりも小さい自然数で
   あるが、一般に、複数である）とｊ画の文字標準パター
   ンとの類似度を、ｍ（但し、ｍは自然数）点近似して、
   算出し、得られた類似度のうちの最大類似度が予め設定
   されたしきい値以上であるか未満であるかを判定して前
   記ｎ画入力文字を分類し、該最大類似度が該しきい値以
   上である該ｎ画入力文字に対しては、該最大類似度を与
   えるｊ画の前記文字標準パターンを最初のｊ画とするｎ
   画の候補文字とで類似度を算出し、得られた該類似度の
   うちの最大となる類似値を与える該候補文字を認識結果
   と決定し、前記最大類似度が前記しきい値未満である前
   記ｎ画入力文字に対しては、全てのｎ画文字標準パター
   ンとで、ｌ（但し、ｌは自然数であって、ｌ＜ｍ）点近
   似して、類似度を算出し、得られた類似度のうちの上位
   ｈ（但し、ｈは自然数）個の類似度を選出し、選出され
   た該類似度を与えるｎ画の前記文字標準パターンとでの
   み、ｍ点近似して、類似度を算出し、得られた類似度の
   うち最大の類似度を選出して該最大の類似度を与える前
   記ｎ画の文字標準パターンを認識結果としたことを特徴
   とするオンライン手書き文字認識方式。