JPH0247754B2 - - Google Patents

Description

【発明の詳細な説明】 ＜発明の背景＞ この発明は、例えば音声認識の分野で用いら
れ、２個の特徴パラメータの系列パターン間の距
離又は類似度を、動的計画法を用いた非線形正規
化マツチングにより求める系列パターンマツチン
グ方法に関する。

この発明による系列パターン・マツチング方法
で取り扱える系列は、特徴量の系列であつて、特
微量間の距離や類似度が定義されていれば、どの
ような対象からの系列でもよいが、以下では代表
的な系列の例として音声の時系列を対象とする系
列パターン・マツチング方法について説明する。

音声は人間にとつて最も容易に使うことができ
最も親しみのある情報伝達の手段である。よつて
音声認識装置の実用化により、音声によるデータ
入力、機械との対話、音声によるダイアル等、数
多くの分野での応用がある。

音声認識における動的計画法を利用したマツチ
ング（以下、DPマツチングと記す）は、入力音
声の時系列Ａ＝a₁，a₂…_oと標準パターンの時系
列Ｂ＝b₁，b₂…b_nとの間で時間軸の伸縮を許し
て、要素間の対応づけを行い、系列間の距離を計
算する際に用いられる。従来、この種のDPマツ
チングでは、系列Ａ，Ｂの要素間の距離マトリツ
クスＤ＝（bij）（dijは系列Ａのｉ番目の要素a_iと
系列Ｂのｊ番目の要素b_jとの距離）上で、窓制限
内のすべての格子点（ｉ，ｊ）でDPマツチング
のくり返し逐次演算を実行していた。また１つの
要素を２つ以上の要素に対応づけるのを防ぐため
に制限（傾斜制限）を付けていた。これらのため
動的計画法といえども多大な計算量を有するとい
う欠点をもつていた。また、傾斜制限のために、
逐次計算値ｇ（ｉ，ｊ）の記憶にも、多くのバツ
フアメモリを必要とする欠点をもつていた。

＜発明の概要＞ この発明の目的は計算量が少なく、逐次計算値
を記憶するバツフアメモリの記憶容量の大きなも
のを必要としない系列パターンマツチング方法を
提供することにある。

この発明によれば、２個の系列Ａ＝a₁，a₂…
a_o，Ｂ＝b₁，b₂…b_nの要素間のマトリツクスＤ＝
（dij）（dijはa_i，b_j間の距離又は類似度）上のすべ
ての格子点について動的計画法のくり返し逐次演
算を行うのではなく、Ｎ点おき（Ｎ≧３）の格子
点のみで行う、つまりｉ＋ｊ＝Ｍ＋lN（Ｍは定
数、ｌは整数）を満すすべての格子点について、
くりかえし逐次演算の漸化式の値ｇ（ｌ＋２，ｋ）
をｋ＝ｊ−ｉとしてＮが寄数の場合ｇ（ｌ＋１，
ｋ−１），ｇ（lk），ｇ（ｌ＋１，ｋ＋１）と上記マ
トリツクスＤでＮが偶数の場合を満すすべての格
子点で動的計画法のくり返しｇ（ｌ＋１，ｋ−
２）、ｇ（ｌ＋１，ｋ），ｇ（ｌ＋１，ｋ＋２）と上
記マトリツクスＤで動的計画法のくり返し逐次演
算をｌ＝０，１，…，lmaxについて実行する。
このようにこの発明によれば、逐次演算のくり返
し回数が従来方式の１／Ｎになり、更に傾斜制限
のための計算量も従来より減らすことができ、ま
た、逐次計算値ｇ（ｉ，ｊ）の記憶のためのバツ
フアメモリも、窓制限幅の２倍だけしか必要とし
ない。よつて、従来からのDPマツチングと比較
して大幅に計算量を減らすことができる。

＜一般的構成＞ 第１図はこの発明を適用できる単語音声認識シ
ステムの構成例を示す。入力端子１１よりの入力
音声は、特徴パラメータの抽出部１２で、特徴パ
ラメータ時系列Ａ＝a₁，a₂…a_oに変換される。こ
の入力音声の特徴パラメータ時系列Ａは、標準パ
ターン記憶部１３にあらかじめ蓄えられている標
準パターンの特徴パラメータの時系列Ｂ＝b₁，b₂
…b_nとの間の距離マトリツクスＤ＝（dij）が距離
計算部１４で計算される。計算された距離マトリ
ツクスはDPマツチング部１５で動的計画法を利
用したマツチング処理により、入力音声系列と各
標準パターン系列間の距離（スコア）が求められ
る。これらスコア中の最小のスコアの単語（標準
パターン系列）が単語決定部１６で決定され、そ
の単語名が端子１７から出力される。

＜従来のDPマツチング＞ DPマツチング部１５による処理は従来におい
ては次のようにして行われていた。即ち距離マト
リツクスＤ＝（dij）は第２図に示すように入力音
声パターン系列Ａの要素番号ｉを行方向に、標準
パターン系列Ｂの要素番号ｊを列方向にとつて表
わされる。ｉ＋ｊ＝２を満す各格子点１８につい
て動的計画法のくり返し逐次演算を実行し、次に
ｉ＋ｊ＝２＋１を満す各格子点１８について動的
計画法のくり返し逐次演算を実行し、以下同様に
してｉ＋ｊ＝２＋２，ｉ＋ｊ＝２＋３，…につい
て動的計画法のくり返し逐次演算を実行する。こ
のように始端（１，１）の近くから各格子点１８
について順次下記の漸化式の演算によりスコア
（距離）を求め、終端（ｎ，ｍ）まで求める。

ｇ（ｉ，ｊ）＝minｇ（ｉ−１，ｊ−２）＋2
di＋j_-1＋dij ｇ（ｉ−１，ｊ−１）＋2dij ｇ（ｉ−２，ｊ−１）＋2di_-1，ｊ＋dij (1) また演算対象格子点を始端（１，１）、終端（ｎ，
ｍ）を結ぶ線の両側の或る範囲内に底制限２２を
施している。

このように動的計画法は、距離マトリツクスＤ
＝（dij）上で、始端（１，１）から終端（ｎ，
ｍ）まで各格子点（ｉ，ｊ）の上を、格子点の距
離の値dijの和が最小になるようにたどつて、そ
のときの距離dijの和をスコアＳ（Ａ：Ｂ）とする
ものであり、例えば次の式のように表わされる。

たゞし、｛（ｉ，ｊ）｝は、（i₁，j₁）（i₂，j₂）…
（ｎ，ｍ）の格子点の系列を表わし、 ｜i_k+1−ik｜＋｜j_k+1−jk｜＝１ (3) （i_k+1≧i_k，j_k+1≧j_k） であり、最小値を与えるパスは最適パスと呼ばれ
ている。

理想的には連続系の距離関数ｄ（ｘ，ｙ）上で
（０，０）の点から（ｎ，ｍ）の点までの最も小
さい線積分の値を求めるべきであるが、その近似
解として(2)式を用いている。連続系では次のよう
に定式化される。

Ｓ＝min ｃ｛∫cd（ｘ，ｙ）ds／∫cds｝ (4) たゞし、ｃは（０，０）から（ｎ，ｍ）への単調
増加な線積分路。

(2)式のように定式化して、動的計画法を用いて
Ｓ（Ａ：Ｂ）の値を計算するさい、従来からの手
法ではパスに次の制約が加えられている。

Γ パスの長さの矛循 従来からのDPマツチングでのパス（１，１）
（i₁，j₁）…（ｎ，ｍ）は(3)式のように市街化距離
が１だけ違う格子点の系列が選ばれるか、あるい
は、 max｛｜i_k+1−ik｜，｜j_k+1−jk｜｝＝１ (5) （i_k+1≧ik，j_k+1≧jk） を満足する格子点の系列がパスとして選ばれてい
る。よつて格子点上で進むパスは第３図に示すよ
うに縦、横、斜めのパス１９，２０，２１とな
る。パスの長さの定義は(3)式の市街化距離の定義
が用いられているため、縦、横のパス１９，２０
の各長さは１とし、斜めのパス２１の長さは２と
なる。理想的には(4)式のような連続系で考えるべ
きであり、その場合は斜めのパス２１は√1²＋1²
＝√２となり、これより(2)式と(4)式とは大幅な違
いをもつことになる。

Γ 傾斜制限 極端にかたよつたパスによるマツチングを防ぐ
ために第２図、第４図に示すように横のみ、又は
縦のみのパスを連続させず、斜めのパスを付け傾
斜制限をもつたパス２３，２４が用いられる。こ
の傾斜制限パスは認識性能の向上には大いに寄与
しているが、計算量の増大もまねいている。

＜実施例＞ 第５図はこの発明によるマツチング方式におけ
る各演算点の一例を距離マトリツクスＤ上で示し
たものである。第５図中のΓ印１８ａは演算を行
う格子点であり、●印１８ｂは演算を行わない格
子点である。図から理解されるように動的計画法
のくり返し逐次演算は各格子点ごとではなく、１
つの演算段よりＮ点ごと（Ｎ≧３）のずらされた
格子点ごとに行う。つまりｉ＋ｊ＝２＋Ｎの各格
子点１８a₁について第１段目の演算を行い、次に
ｉ＋ｊ＝２＋2Nの各格子点１８a₂についての演
算が第２段目となり、第３段目の演算はｉ＋ｊ＝
２＋3Nの各格子点について行う。以下同様にＮ
点ごとに演算段の格子点をずらす。第５図ＡはＮ
＝５、第５図ＢはＮ＝４の場合である。このよう
にずらされた格子点間を結ぶパスはひし形とな
り、そのひし形の始点より終点方向の角度は第３
図に示した場合よりも狭くなる。DPマツチング
のくり返し逐次演算をＮ点ごとのずらされた格子
点上だけで行い、最適パスを通つた場合のスコア
の計算は、従来の各格子点ごとに行う場合と比較
してくり返し逐次演算の回数は１／Ｎとなり、計
算量が大幅に削減できる。

従来のDPマツチングでは市街化距離を基準に
しているために、第３図に示したように縦あるい
は横向きのパス１９，２０の長さが基準となり、
そのため斜め方向のパス２１は1.414（＝√２）の
重みであるべきにも必らず２の重みがつけられて
いた。よつて、斜めのパスには1.414倍だけ余分
に重みがつけられすぎていた。しかしこの発明に
おいては例えば第６図ＡにＮ＝５の場合を示すよ
うに、２種類のパス２５，２６の長さの比は
1.02：1.00であり、長さが等しいとみなしても実
際上問題がない。また、Ｎ＝４の場合は、第６図
Ｂに示すように、２種類のパス２７，２８の長さ
の比は1.12：1.00であり、この場合も同一長さと
しても余り問題とならない。このようにこの発明
においては従来法におけるパスの長さの矛盾は軽
減される。一般に３以上のＮの値についても長さ
の矛盾は次のように軽減される。

Ｎが奇数のとき： Ｎが偶数のとき： 更にこの発明においては第５図、第６図に示し
たようにパス自体が斜めとなつており、縦や横の
パスをとらないため、パスの傾斜制限が自然に導
入できている。パスの曲りが急ではなく、パスに
沿つた距離の積分値は連続系における(4)式で求め
た積分値に近い量を、パスのまわりの距離マトリ
ツクスの値から計算することになり、つまりより
理想的に近ずいている。

次に（ｉ，ｊ）点におけるくり返し逐次演算値
ｇ（ｉ，ｊ）を格納するバツフアメリＧ(k)につい
て説明する。たゞし、ｋ＝ｊ−ｉとする。DPマ
ツチングのくり返し逐次演算の演算段を第７図に
示すように、ｉ＋ｊ＝２＋Nlを満す各格子点
（ｉ，ｊ）とし、ｌ＝０，１，２，…の順序でそ
の各格子点についてDPマツチングのくり返し逐
次演算を行う。例えばｌ＋２段の各格子点におい
て必要とするそれまでの演算値ｇはｌ段、ｌ＋１
段における演算値のみであるから、各段の格子点
の数（ｒ）の２倍のバツフアメモリＧ（−ｒ）〜
Ｇ（ｒ）を用意すればよく、少ないバツフアメモ
リ量でくり返し逐次演算を実行することができ
る。Ｎが偶数の場合には、バツフアメモリ量を
１／２にすることも可能である。従来においては
第４図に示したようにパス２３，２４から理解さ
れるようにその演算段の３段前に得られた演算値
ｇをも必要とし、即ち、第２図中の枠３０で示す
範囲内の計算値ｇを記憶する必要がありバツフア
メモリの容量が多くなる。

＜演算式の具体例＞ 次にこの発明を適用した場合のくり返し逐次演
算の例を示す。

〔Ｎ＝３の場合〕 DPマツチングのパスを第８図に示す。

（例１） ｇ（ｋ）minｇ（ｋ−１）＋di，_j-1＋dij ｇ(k)＋（d_i-2，_j-2＋d_{i -1}，_j-1＋dij）×４／３ ｇ（ｋ＋１）＋d_i-1，ｊ＋dij (8) 式の右辺の第１式、第２式、第３式はそれぞれ
パス３１，３２，３３に対するもの（以下同様）、
ｇ(k)，ｇ（ｋ−１），ｇ（ｋ＋１）はそれぞれバツ
フアメモリＧ(k)，Ｇ（ｋ−１），Ｇ（ｋ＋１）の各
内容を示す。第２式の４／３は各パスの長さをそ
ろえるための重みである。

〔Ｎ＝４の場合〕 DPマツチングのパスを第９図に示す。

（例２） ｇ（ｋ）minｇ（ｋ−２）＋3di，_j-1
＋２（di，_j-2 ＋dij）＋d_i-1，_j-2＋d_i+1，ｊ ｇ(k)＋（dij＋d_i-1，_j-1）×９／２ ｇ（ｋ＋２）＋3d_i-1，_j+2（d_i-2， ｊ＋dij）＋d_i-2，_j-1＋di，_j+1 (9) なお右辺第１式において、パス３１に対し、格
子点（ｉ−１，ｊ−２），（ｉ，ｊ−２）までの各
距離の比は２：１であるから、これに対応した重
みを与えるため、d_i-1，j_-2，2d_i，j_-2とそれぞれ
重み付けられている。その他も同様にして重み付
けられている。

（例３） 第９図に示したパスを用い(9)式よりも簡略にし
た場合である。

ｇ（ｋ）minｇ（ｋ−２）＋2di，_j-1 ｇ(k)＋dij＋d_i-1，_j-1 ｇ（ｋ＋２）＋2d_i-1，ｊ (10) 〔Ｎ＝５の場合〕 DPマツチングのパスを第１０図に示す。

（例４） （例５） 第１０図においてパス３２を省略した場合であ
る。

ｇ（ｋ）minｇ（ｋ−１）＋３（d_i-1j-2＋dij） d_i-1j-1＋di_j-1 ｇ（ｋ＋１）＋３（d_i-2j-1＋dij） ＋d_i-1j-1＋d_i-1j (12) このようにくり返し逐次演算の漸化式の値ｇ
（ｉ，ｊ）は、ｇ（ｋ−１），ｇ(k)，ｇ（ｋ＋１）
（Ｎが偶数の場合はｇ(k)，ｇ（ｋ＋２），ｇ（ｋ−
２）と、（ｉ，ｊ）点の近傍の点の距離マトリツ
クスＤの値で決定される。

＜具体例＞ 第１１図はこの発明の実施例を示し、第８図に
示したＮ＝３の場合に適用した例である。まず、
バツフア３４に標準パターンの特徴パラメータの
時系列Ｂ＝bm′…bob₁…bm…bm″が、バツフア
３５に入力音声の特徴パラメータの時系列Ａ＝
a_o′…a₀，a₁…a_o…a_o″が格納される。くり返し逐
次計算値のバツフアレジスタＧ３６の初期値が初
期値設定部３７により決定され、Ｇ（０）のみ０
に設定し、その他の値は大きな値に設定する。
たゞし、この設定には様々な手法が考えられ、こ
の限りでない。

また、端子３８より、第１段目（ｉ＋ｊ＝Ｍ：
Ｍ＝５）の格子点（ｉ，ｊ）で、窓制限内のｊの
もつとも大きい格子点（ｉ，ｊ）が選らばれて設
定される。この（ｉ，ｊ）に対応するくり返し逐
次計算値のバツフアレスタＧ３６の番号ｋの値
が、ｊ−ｉとして設定される。

次に、要素間距離計算部３９で、バツフア３４
中のｊ〜ｊ−２番目の要素b_j，b_j-1，b_j-2とバツ
フア３５中のｉ〜ｉ−２番目の要素a_i，a_i-，a_i-2
を読み出し、これらの要素間の距離dij，di，_j-1，
d_i-1，ｊ，d_i-1，_j-1，d_i-2，j_-2を計算する。この距
離の値と前段までのくり返し逐次計算値ｇ（ｋ−
１），ｇ(k)，ｇ（ｋ＋１）とからくり返し逐次計算
値の候補の計算部４１で、候補値ａ，ｂ，ｃを次
のように計算する。

ａ＝ｇ（ｋ−１）＋di_j-1＋dij ｂ＝ｇ(k)＋（d_i-2j_-2＋d_i-1j-1＋dij）×４／３ ｃ＝ｇ（ｋ＋１）＋d_i-1ｊ＋dij その後、くり返し逐次値決定部４２で候補値
ａ，ｂ，ｃのうちの最小値ｇ(k)を求め、その値を
通路４３を通じてバツフアレジスタ３６のｋ番目
のＧ(k)に書き込む。次に（ij）設定部４４で同じ
段での次の格子点（ｉ，ｊ）の値及びｋの値を設
定する。つまり、ｊの値を_j-1に、ｉの値をｉ＋
１にし、ｋの値をｋ−２に設定する。このように
して更新されたｉ，ｊによる格子点（ｉ，ｊ）が
窓制限内に依然として存在しているときには、そ
のｉ，ｊの値を通路４５を通じてバツフア３４，
３５に送り、かつ、ｋの値を通路４６を通じてバ
ツフアレジスタ３６に送り、前述と同様にして計
算部３９，４１、決定部４２、設定部４４でそれ
ぞれ処理してくり返し逐次計算を実行する。

設定部４４で更新した格子点（ｉ，ｊ）が窓制
限内に存在していない場合には、次段設定部４７
によりＭの値をＭ＋３にし、ｉ＋ｊ＝Ｍを満す格
子点（ｉ，ｊ）で窓制限内のｊのもつとも大きな
値の格子点の値にｉ，ｊを設定し、更にｋの値を
ｊ−ｉに設定する。この段が終了すべき段でない
ときには、通路４５を通じてｊ，ｉの値をバツフ
ア３４，３５に送り、通路４６を通じてｋの値を
バツフアレジスタ３６を送つた後、同様に計算部
３９，４１、決定部４２、設定部４４での各処理
を行つてくり返し逐次計算を実行する。

次段設定部４７で設定した段が終了すべき段で
あるときには、バツフアレジスタ３６の値から単
語間距離を単語距離計算部４８で計算し、単語決
定部に送る。

＜具体的効果＞ 前記例１乃至例５に示した計算式を用いた場合
のDPマツチングに必要とする計算量と、昭和55
年10月日本音響学会秋期発表会講演論文集１―１
―10に示されている従来方式のDPマツチングに
必要とする計算量との簡単な比較を行う。

（例１）…１段あたりの計算量は従来のDPマツ
チング方式とほゞ同程度であるが、くり返し逐次
演算の回数が１／３になるため、全体の計算量は
従来方式の約１／３である。

（例２）…１段あたりの計算量は、従来方式の約
３／２倍であるが、全体では計算量は約３／８（＝ ３／２×１／４）となる。

（例３）…１段あたりの計算量は、従来方式の約
２／３倍であるので、全体の計算量は従来方式の約 １／６（＝２／３×１／４）となる。

（例４）…１段あたりの計算量は従来方式の約
３／２倍であるが、全体の計算量は従来方式の約３／10 （＝３／２×１／５）となる。

（例５）…１段あたりの計算量は、従来方式の約
２／３倍であるが、全体では従来方式の約２／15
（＝２／３×１／５）となる。

この発明の有効性を明確にするために、例１，
例４をとりあげ、従来のDPマツチング方法と、
処理時間及び認識性能について比較を行つた。認
識対象は男性４名が２回ずつ発声した641都市名
単語音声データである。単語認識の方法としては
昭和55年10月日本音響学会秋期発表会講演論文集
１―１―17に示されているSPLIT法を用いた。
大語いを対象とするSPLIT法では、計算量のほ
とんどがDPマツチング部についやされており、
処理時間を調べるのに適している。

まず、処理時間の比較を行つた。従来の方法で
641単語×641単語の認識実験をミニコンPerkin
Elmer3240でFORTRANプログラムで行つた場
合、約６時間かかつた。例１，例４のDPマツチ
ングでは、いずれも約２時間で認識実験が終了し
た。SPLIT法での計算量が約１／３になつてい
ることがわかり、この発明のDPマツチング方法
によれば計算量が少ないことが実証できた。

次に、認識性能の評価を４人の発声者の音声デ
ータを用いて行つた。従来のDPマツチング法で
は、４人の平均で96.3％の認識率が得られた。例
１のDPマツチング法を用いた場合には、平均で
96.2％、例４のDPマツチング法を用いた場合に
は、平均で95.6％の認識率が得られた。例１，例
４の認識性能は従来のDPマツチング法とほゞ同
様であることが実証できた。

以上のDPマツチングの説明では、特徴パラメ
ータ間の距離をもとに、DPマツチングの手法を
述べてきたが、特徴パラメータ間の類似度を用い
てDPマツチングを行う場合にもこの発明を適用
することができ、その場合は前記各式において
minではなくmaxをとるようにすればよい。

以上述べたように、この発明によるDPマツチ
ングを用いれば、従来のDPマツチングの計算量
と比較して、1/3以下の計算量でDPマツチングを
実行することができ、かつ認識性能も従来のDP
マツチングと同等である。この手法によりDPマ
ツチングによる単語音声認識装置の簡易化が可能
である。また、この発明ではDPマツチングの
様々な傾斜制限を計算量を増大させることなく行
えるので、系列パターンの性質に応じて様々の分
野での非線形伸縮マツチングに適応可能である。

【図面の簡単な説明】

第１図はDPマツチングによる単語音声認識シ
ステムの一構成例を示す図、第２図は従来からの
DPマツチングの例と距離マトリツクスを示す図、
第３図は従来のDPマツチングにおける縦、横、
斜めのパスを示す図、第４図は従来のDPマツチ
ングにおける代表的な傾斜制限パスを示す図、第
５図はこの発明の一例におけるＮ点ごとにずらさ
れた距離マトリツクス上の格子点を示す図、第６
図はこの発明のDPマツチングにおけるパスの例
を示す図、第７図はこの発明でのDPマツチング
のくり返し逐次演算値を蓄えるバツフアメモリと
演算格子点との関係を示す図、第８図乃至第１０
図はそれぞれこの発明のDPマツチングにおける
パスの例を示す図、第１１図はこの発明による
DPマツチング方法の一例を示すブロツク図であ
る。 １１…音声入力端子、１２…特徴パラメータ抽
出部、１３…標準パターン記憶部、１４…距離計
算部、１５…DPマツチング部、１６…単語決定
部、１７…出力端子、３４…標準パターンバツフ
ア、３５…入力音声パターンバツフア、３６…く
り返し逐次計算値のバツフアレジスタ、３９…要
素間距離計算部、４１…くり返し逐次値の候補計
算部、４２…くり返し逐次値決定部、４４…
（ij）設定部、４７…次段設定部、４８…単語間
距離計算部。

Claims (1)

【特許請求の範囲】
1. １ ２個の特徴パラメータの系列Ａ＝a₁，a₂…a_o
   とＢ＝b₁，b₂…b_nとの系列パターン間の距離又は
   類似度を動的計画法を用いた非線形正規化マツチ
   ングで求める系列パターンマツチング方法におい
   て、上記系列の要素間のマトリツクスＤ＝（bij）
   （bijは系列Ａのｉ番目の要素aiと、系列Ｂのｊ番
   目の要素bjとの距離又は類似度を表わす）上でｉ
   ＋ｊ＝Ｍ＋lN（Ｍは定数、Ｎ≧３、ｌは整数）を
   満すすべての格子点について、くり返し逐次演算
   の漸化式の値ｇ（ｌ＋２，ｋ）をｋ＝ｊ−ｉとし
   てＮが寄数の場合ｇ（ｌ＋１，Ｋ−１），ｇ（ｌ，
   ｋ），ｇ（ｌ＋１，ｋ＋１）と前記マトリツクスＤ
   でＮが偶数の場合ｇ（ｌ＋１，ｋ−２），ｇ（ｌ＋
   １，ｋ），ｇ（ｌ＋１，ｋ＋２）と前記マトリツク
   スＤで動的計画法のくり返し逐次演算をｌ＝０，
   １，…lmaxについて実行して上記二つの系列間
   の距離又は類似度を求めることを特徴とする系列
   パターン・マツチング方法。