基于貝葉斯網(wǎng)絡(luò)的品牌風(fēng)格語(yǔ)言知識(shí)建模方法

徐 江 王海賢 張克俊

1.東南大學(xué)，南京，210089 2.浙江大學(xué)，杭州，310027

0 引言

隨著情感消費(fèi)浪潮的來臨，產(chǎn)品風(fēng)格成為企業(yè)提升品牌競(jìng)爭(zhēng)力的決定性因素，它融入技術(shù)、商業(yè)和文化等要素，滿足消費(fèi)者對(duì)產(chǎn)品功用、審美情趣及交互體驗(yàn)等方面的精神文化訴求。近年來，已有不少國(guó)內(nèi)外學(xué)者從形狀文法、情感意象、不確定推理等角度對(duì)它展開廣泛而深入的研究：文獻(xiàn)［1－2］從視覺認(rèn)知角度，建構(gòu)了基于隱性與顯性語(yǔ)義轉(zhuǎn)換的品牌識(shí)別模型，創(chuàng)造性地提出了用于提取造型特征的設(shè)計(jì)模式分析法（design format analysis，DFA）；文獻(xiàn)［3］結(jié)合文法表達(dá)和幾何設(shè)計(jì)進(jìn)行研究并取得了諸多成果；文獻(xiàn)［4］采用粗糙集來挖掘感性意象關(guān)聯(lián)知識(shí)；文獻(xiàn)［5］利用多類別支持向量機(jī)分類模型來建立情感反應(yīng)與造型特征間的關(guān)聯(lián)；文獻(xiàn)［6］根據(jù)產(chǎn)品族的工業(yè)設(shè)計(jì)原理，在汽車造型特征提取、衍生推理等風(fēng)格演化與工程設(shè)計(jì)的對(duì)比分析、造型語(yǔ)義以及品牌造型基因表達(dá)模型等方面獲得了重要進(jìn)展。上述文獻(xiàn)多集中在對(duì)語(yǔ)義維度、認(rèn)知建模及其造型幾何計(jì)算的研究，而如何結(jié)合語(yǔ)法維度來探討品牌風(fēng)格造型語(yǔ)言規(guī)則表示還有待深入研究。有鑒于此，本文運(yùn)用貝葉斯網(wǎng)絡(luò)不確定推理及其對(duì)概念模塊化表征的優(yōu)勢(shì)，以品牌意象認(rèn)知與造型特征的映射關(guān)系為基礎(chǔ)，構(gòu)建具有一般推理能力的品牌造型語(yǔ)言模型，為不同領(lǐng)域風(fēng)格認(rèn)知與計(jì)算、情感信息處理及造型設(shè)計(jì)知識(shí)發(fā)現(xiàn)等領(lǐng)域研究提供新思路與新方法。

1 品牌風(fēng)格語(yǔ)言描述

1.1 品牌意象與造型語(yǔ)言的映射描述

在產(chǎn)品購(gòu)買和使用過程中，消費(fèi)者總是趨于以不同形容詞匯來表達(dá)其對(duì)不同品牌造型的偏好與感受，這些主觀認(rèn)知反應(yīng)與形態(tài)、功能、情感及價(jià)值等有關(guān)，被稱之為品牌意象。在此，本文結(jié)合造型特性與品牌演化脈絡(luò)，提出品牌意象與造型語(yǔ)言映射描述模型（圖1）。模型中，品牌風(fēng)格的造型語(yǔ)義及語(yǔ)法共同組成了不斷演化發(fā)展的造型語(yǔ)言體系，其中造型語(yǔ)義主要是指點(diǎn)、線、面、色彩、材質(zhì)、細(xì)部處理、裝飾特性等幾何形態(tài)要素；造型語(yǔ)法則是指造型要素局部及其與整體的組織和布局關(guān)系，是風(fēng)格語(yǔ)言中可復(fù)制的模式關(guān)系［7］（圖1）。

圖1 品牌意象認(rèn)知映射描述

1.2 基于設(shè)計(jì)模式分析的造型語(yǔ)義提取

品牌風(fēng)格在歷時(shí)性與共時(shí)性發(fā)展脈絡(luò)中進(jìn)化革新，存在諸多類似于生物進(jìn)化的設(shè)計(jì)規(guī)律和模式。本文以此為基礎(chǔ)，提出一種改進(jìn)的設(shè)計(jì)模式分 析 法 （improved design format analysis，IDFA），該方法在現(xiàn)有感性意象調(diào)查系統(tǒng) （kansei image survey system，KISS）基 礎(chǔ)上［8］，借助專家訪談和問卷調(diào)查，以量化評(píng)估方式提取具有強(qiáng)識(shí)別性的品牌造型語(yǔ)義，其步驟如下。

（1）廣泛選取和搜集不同代系的品牌風(fēng)格造型樣本與意象詞匯，運(yùn)用KISS系統(tǒng)提取代表性樣本集S和意象詞匯集I：

結(jié)合專家訪談和問卷調(diào)查提取造型語(yǔ)義，定義語(yǔ)義集為

第i項(xiàng)造型語(yǔ)義取值為

（2）以語(yǔ)義F及樣本S分別為行向量和列向量建立IDFA矩陣（圖2）：

圖2 IDFA矩陣

（3）開展意象認(rèn)知實(shí)驗(yàn)，分析Fi在Si中的出現(xiàn)率，并據(jù)識(shí)別程度予以評(píng)分，如表現(xiàn)為強(qiáng)識(shí)別性，則給予評(píng)分值3；如表現(xiàn)出弱識(shí)別性，則評(píng)分

為1；如一般則評(píng)分為2。

（4）記強(qiáng)識(shí)別系數(shù)為

據(jù)強(qiáng)識(shí)別系數(shù)高低排序，取得分高于給定閥值的造型語(yǔ)義，即得典型造型語(yǔ)義集E：

其中，d為大于1的常數(shù)，本文中取值為1。

2 基于貝葉斯網(wǎng)絡(luò)的品牌風(fēng)格語(yǔ)言知識(shí)獲取

基于貝葉斯網(wǎng)絡(luò)的品牌風(fēng)格造型語(yǔ)言知識(shí)獲取框架如圖3所示。以意象詞匯與造型語(yǔ)言關(guān)系描述為基礎(chǔ)，開展品牌意象認(rèn)知評(píng)價(jià)實(shí)驗(yàn)，并獲取認(rèn)知評(píng)價(jià)數(shù)據(jù)；再通過貝葉斯評(píng)分函數(shù)和搜索算法開展學(xué)習(xí)，求取意象詞匯和造型語(yǔ)義間概率關(guān)系；最后以模塊化思想建立造型語(yǔ)言網(wǎng)絡(luò)模型，挖掘潛在意象詞匯關(guān)聯(lián)，提取造型語(yǔ)法層級(jí)組織，進(jìn)而以概率分布來表征意象詞匯與造型語(yǔ)義關(guān)聯(lián)知識(shí)。

圖3 品牌風(fēng)格語(yǔ)言推理框架

2.1 貝葉斯網(wǎng)絡(luò)理論

貝葉斯網(wǎng)絡(luò)以概率論和圖論為基礎(chǔ)，提供一種解決工程中不確定性和復(fù)雜性問題的方法，它利用條件概率來表示網(wǎng)絡(luò)中父節(jié)點(diǎn)和子節(jié)點(diǎn)對(duì)上變量間的影響程度及相互關(guān)系，能較好地處理不完備數(shù)據(jù)集問題。該網(wǎng)絡(luò)蘊(yùn)含了所有變量的聯(lián)合分布，一組變量U的聯(lián)合分布可通過條件概率形式表現(xiàn)［9］，故貝葉斯網(wǎng)推理問題的核心是計(jì)算（后驗(yàn)）條件概率分布：

其中，Pai表示Xi的父節(jié)點(diǎn)，在貝葉斯網(wǎng)絡(luò)中，當(dāng)父節(jié)點(diǎn)給定時(shí)Xi與其他節(jié)點(diǎn)都是獨(dú)立的，可以得到公式：

因此，貝葉斯網(wǎng)絡(luò)確定父節(jié)點(diǎn)的過程與尋求變量間條件獨(dú)立關(guān)系的過程是相對(duì)應(yīng)的。

2.2 基于貝葉斯推理的品牌風(fēng)格語(yǔ)言網(wǎng)絡(luò)建構(gòu)

根據(jù)貝葉斯網(wǎng)絡(luò)的有向圖模塊化概念［10］，從意象認(rèn)知評(píng)價(jià)數(shù)據(jù)中確定網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)，學(xué)習(xí)并尋找與數(shù)據(jù)集擬合最佳的網(wǎng)絡(luò)，建立自然、直觀的品牌風(fēng)格語(yǔ)言網(wǎng)絡(luò)?？紤]到品牌意象認(rèn)知實(shí)驗(yàn)中風(fēng)格樣本的規(guī)模，本研究結(jié)合禁忌搜索算法，采取基于最小描述長(zhǎng)度（minimum description length，MDL）［10－11］評(píng)分函數(shù)進(jìn)行網(wǎng)絡(luò)結(jié)構(gòu)搜索，求解全局最優(yōu)結(jié)構(gòu)。該網(wǎng)絡(luò)結(jié)構(gòu)描述長(zhǎng)度表示為

其中，G為網(wǎng)絡(luò)結(jié)構(gòu)，P為條件概率分布，D 為給定意象認(rèn)知評(píng)價(jià)數(shù)據(jù)集。在B中定義X為節(jié)點(diǎn)集合，每個(gè)節(jié)點(diǎn)xi（xi∈X）可表示為網(wǎng)絡(luò)中的造型語(yǔ)義屬性或意象詞匯屬性，A＝（xi，xj）表示節(jié)點(diǎn)間的有向弧。DLstru（G），DLtab（P），DLdata（D｜B）分別表示結(jié)構(gòu)編碼長(zhǎng)度、條件概率表編碼長(zhǎng)度以及數(shù)據(jù)集編碼長(zhǎng)度，其基本原理就是求出使得總描述長(zhǎng)度DL最小的網(wǎng)絡(luò)模型。由于需選擇分值低的網(wǎng)絡(luò)結(jié)構(gòu)，因此將DL值變換為禁忌搜索中個(gè)體的適應(yīng)度：

其中，fmax取一較大常數(shù)。從適應(yīng)值定義可以得出，若網(wǎng)絡(luò)中出現(xiàn)環(huán)，則適應(yīng)度為0。經(jīng)過上述數(shù)據(jù)處理過程，建立品牌風(fēng)格語(yǔ)言網(wǎng)絡(luò)B＝（G，P）。

2.3 基于網(wǎng)絡(luò)劃分的品牌風(fēng)格語(yǔ)言知識(shí)表征

結(jié)合屬性集一致性條件獨(dú)立的特點(diǎn)，將全網(wǎng)絡(luò)的聯(lián)合概率分解為若干因子式，即B分解為相對(duì)獨(dú)立且屬性潛在關(guān)聯(lián)的子網(wǎng)絡(luò)。依拓?fù)浣Y(jié)構(gòu)關(guān)系（圖4），有向圖節(jié)點(diǎn)代表問題域中的屬性，即意象詞匯（I）與造型語(yǔ)義（E）；邊表示節(jié)點(diǎn)間的概率依賴關(guān)系。 假設(shè)各非相鄰節(jié)點(diǎn)間相互獨(dú)立，則可定義某一節(jié)點(diǎn)為中間節(jié)點(diǎn)，并將其與子節(jié)點(diǎn)、父節(jié)點(diǎn)及節(jié)點(diǎn)間的相互關(guān)聯(lián)共同組建具有推理功能的子網(wǎng)絡(luò)。在此，通過節(jié)點(diǎn)間概率依賴關(guān)系來劃分和定義意象詞匯網(wǎng)絡(luò)（U）、造型語(yǔ)法網(wǎng)絡(luò)（V）及映射關(guān)聯(lián)網(wǎng)絡(luò)（W）。

U為造型語(yǔ)義E間概率推理關(guān)系的有向圖，可描述完形認(rèn)知造型語(yǔ)法知識(shí)，表征為

V為意象詞匯I間概率推理關(guān)系有向圖，可描述意象詞匯關(guān)聯(lián)知識(shí)，表征為

圖4 造型語(yǔ)言網(wǎng)絡(luò)B

W 為E與I的概率推理關(guān)系有向圖，可描述意象詞匯與造型語(yǔ)義間關(guān)聯(lián)知識(shí)，表征為

顯然

式中，distinct（）表示不重復(fù)。

3 實(shí)例分析

本文以Benz品牌汽車前臉造型為例來推理求解品牌風(fēng)格造型語(yǔ)言建模問題。

3.1 數(shù)據(jù)處理及網(wǎng)絡(luò)構(gòu)建

首先，通過KISS系統(tǒng)來選取代表性樣本和意象詞匯，該系統(tǒng)采用多元尺度法、聚類分析法、主成分等數(shù)據(jù)分析方法開展實(shí)驗(yàn)調(diào)查及數(shù)據(jù)處理。廣泛選取不同年代及系列的Benz品牌車型樣本30個(gè)，從相關(guān)雜志和媒體搜集用于描述該品牌意象詞匯60個(gè)，以10名有經(jīng)驗(yàn)的汽車設(shè)計(jì)師為受測(cè)對(duì)象，利用系統(tǒng)調(diào)查功能挑選適于描述該品牌汽車前臉造型的意象詞匯11個(gè)，即：流線的、硬朗的、動(dòng)感的、高科技的、穩(wěn)重的、舒適的、高級(jí)的、豪華的、精致的、個(gè)性的、典雅的。將上述30個(gè)樣本導(dǎo)入到系統(tǒng)，系統(tǒng)多維尺度分析模塊將自動(dòng)提取S。

其次，運(yùn)用形態(tài)分析法獲取造型語(yǔ)義，即格柵、前車燈、霧燈、引擎蓋棱線、進(jìn)氣孔、Logo共6類39種（圖5）。利用IDFA矩陣提取典型造型語(yǔ)義集E，針對(duì)代表性樣本進(jìn)行品牌意象認(rèn)知評(píng)價(jià)（圖6），即對(duì)各造型語(yǔ)義予以“強(qiáng)”、“弱”和“一般”的3階識(shí)別評(píng)分，獲得26種典型造型語(yǔ)義屬性（圖7）。

再次，以5階尺度進(jìn)行汽車品牌意象認(rèn)知實(shí)驗(yàn)，由意象詞匯I、典型造型語(yǔ)義E及實(shí)驗(yàn)結(jié)果，建立數(shù)據(jù)矩陣 Mc×d，Mc×d為144行17列，其中行c＝mq。其中，m為代表性樣本數(shù)；q為受測(cè)者數(shù)，q＝16；r為造型語(yǔ)義數(shù)，r＝6；i為意象詞匯數(shù)，且i＝11，從而d＝r＋i。

圖5 造型語(yǔ)義形態(tài)

圖6 典型造型語(yǔ)義提取

最后，以矩陣Mc×d作為訓(xùn)練數(shù)據(jù)，根據(jù)3.2中利用基于最小描述長(zhǎng)度評(píng)分函數(shù)的禁忌搜索來獲取貝葉斯網(wǎng)絡(luò)的結(jié)構(gòu)，即與樣本數(shù)據(jù)匹配程度最高的貝葉斯網(wǎng)絡(luò)，如圖8所示。

3.2 風(fēng)格語(yǔ)言知識(shí)獲取

圖7 Benz品牌造型語(yǔ)義

圖8 Benz品牌風(fēng)格語(yǔ)言網(wǎng)絡(luò)

3.2.1 意象詞匯關(guān)聯(lián)

由G中劃分出子網(wǎng)絡(luò)V來抽取內(nèi)隱意象詞匯關(guān)聯(lián)，表達(dá)多維品牌意象認(rèn)知結(jié)構(gòu)［12］。V 網(wǎng)絡(luò)中，“流線的”、“簡(jiǎn)約的”、“動(dòng)感的”詞匯聯(lián)系緊密，構(gòu)成造型語(yǔ)言的美學(xué)維度，在此維度內(nèi)集中對(duì)造型要素的視覺、聽覺以及觸覺等多通道的意象認(rèn)知；“精致的”、“穩(wěn)重的”、“舒適的”、“高科技的”詞匯構(gòu)成了意象認(rèn)知空間中的功能維度，主要反映產(chǎn)品的功能使用、操作效用等特性；而“豪華的”、“傳統(tǒng)的”、“典雅的”詞匯則成為體現(xiàn)品牌價(jià)值認(rèn)知的象征維度，它與品牌所處的社會(huì)及文化環(huán)境等相關(guān)。

3.2.2 造型語(yǔ)法特性

Warell［1］基于完形心理學(xué)來闡釋造型風(fēng)格語(yǔ)言的層次組織效應(yīng)，即造型語(yǔ)義在語(yǔ)法規(guī)則引導(dǎo)下有序構(gòu)建美的視覺形態(tài)性。同理，本文從造型語(yǔ)法網(wǎng)絡(luò)U來解析Benz品牌造型語(yǔ)法特性。

（1）格柵與Logo、前車燈與霧燈分別組合成“低級(jí)完形”（圖9），這些元素在局部特征辨識(shí)上易引起注意，如格柵線條齊向Logo中心匯聚的態(tài)勢(shì)、車頭燈及霧燈的形態(tài)互為呼應(yīng)。

圖9 低級(jí)完形

（2）由造型語(yǔ)義關(guān)聯(lián)性來看，車燈與格柵成為網(wǎng)絡(luò)U中的核心元素，在布局關(guān)系上遵循共同排布模式，即前車燈分列于水箱罩左右，與格柵重心處于同一水平線上。而車燈與格柵造型的“親疏關(guān)系”會(huì)因引擎蓋棱線的變化而有不同，如圖10a中車燈內(nèi)側(cè)線條幾乎與格柵線、引擎蓋棱線完全重合，形成 “消隱”的視覺效應(yīng)。而圖10b中車燈內(nèi)側(cè)線條與格柵間則為引擎蓋棱線預(yù)留空間。在此，可視車燈、格柵以及引擎蓋棱線共同組成Benz品牌前臉造型的“中級(jí)完形”。

圖10 中級(jí)完形

（3）如圖11所示，在保險(xiǎn)杠上方，引擎蓋棱線、格柵側(cè)邊線與車燈內(nèi)側(cè)線在視覺上“不約而同”表現(xiàn)上升與匯聚的視覺張力，這種“張力場(chǎng)”一直延伸和集中到A柱前；同時(shí)格柵作為過渡性特征，與霧燈、進(jìn)氣口形成了大小不一、形態(tài)近似的倒梯形特征族，這種呼應(yīng)的布局關(guān)系增強(qiáng)了造型的凝聚力和整體感。同時(shí)，格柵、車頭燈以及引擎蓋3種語(yǔ)義與其他語(yǔ)義屬性關(guān)聯(lián)度較高，它們與Logo、霧燈及進(jìn)氣口共同組成前臉造型的“高級(jí)完形”。

進(jìn)一步地，從網(wǎng)絡(luò)概率分布來分析造型語(yǔ)言特性（圖12）：

（1）當(dāng)格柵為較疏間隔的橫線，且趨于五邊形狀F14時(shí)，Logo位置和形狀屬性多為F42，即為大圓形，引擎蓋棱線趨于用立體感強(qiáng)的雙折線F23、車頭燈則多用分離的“子母”式F33，進(jìn)氣口和霧燈分別為F53和F62，塑造具有“流線、現(xiàn)代和動(dòng)感”意象的造型語(yǔ)言。

圖11 高級(jí)完形

圖12 造型語(yǔ)言網(wǎng)絡(luò)概率分布（1）

（2）當(dāng)格柵橫線采用較密間隔，長(zhǎng)寬比例也略大的F11時(shí)（圖13），Logo造型趨于用小圓形F43，引擎蓋棱線趨于用簡(jiǎn)約的弧線形F21、車頭燈趨于采用一體式F31、霧燈采用較保守的圓形F61，而進(jìn)氣口形狀則相對(duì)無明顯傾向性，從而塑造出“大氣和沉穩(wěn)”意象的造型語(yǔ)言。

3.2.3 映射推理關(guān)系

如前所述，意象詞匯I與造型語(yǔ)義E間的映射推理關(guān)系由網(wǎng)絡(luò)W 來表征。以“運(yùn)動(dòng)的”意象為例（圖14），為增強(qiáng)前臉造型的動(dòng)感，宜采用線條間隔疏的格柵F12、引擎蓋曲面F21、車頭燈F35、Logo F42及進(jìn)氣口F53與霧燈F61等，上述語(yǔ)義特征能提升“豪華的”認(rèn)知效應(yīng)，但同時(shí)也會(huì)弱化“傳統(tǒng)的”意象認(rèn)知。所以，從全局來看，設(shè)計(jì)師應(yīng)多方把握和權(quán)衡造型語(yǔ)義對(duì)不同意象的利弊影響。另外，“科技的”、“豪華的”、“動(dòng)感的”、“穩(wěn)重的”意象與造型語(yǔ)義存在更直接的關(guān)聯(lián)，因而能更直接地代表品牌風(fēng)格意象認(rèn)知。

總之，代表Benz品牌汽車前臉造型語(yǔ)言可概括為：造型語(yǔ)義注重強(qiáng)識(shí)別語(yǔ)義屬性的延續(xù)和重用，語(yǔ)義間通過統(tǒng)一、呼應(yīng)、匯聚等語(yǔ)法關(guān)系構(gòu)建由低到高、由簡(jiǎn)到繁的視覺完形，集中詮釋獨(dú)特持久的品牌意象，從而塑造出該品牌強(qiáng)吸引力、高附加值、高情感性的品牌文化。

圖13 造型語(yǔ)言網(wǎng)絡(luò)概率分布（2）

圖14 映射推理概率關(guān)系

4 結(jié)束語(yǔ)

本文結(jié)合貝葉斯網(wǎng)絡(luò)模塊化概念，創(chuàng)新性地將品牌風(fēng)格造型語(yǔ)言建模問題轉(zhuǎn)化為一般概率關(guān)系的知識(shí)推理和表示問題。在品牌意象與造型語(yǔ)言認(rèn)知模型基礎(chǔ)上，運(yùn)用貝葉斯評(píng)分函數(shù)及搜索算法建立風(fēng)格造型語(yǔ)言網(wǎng)絡(luò)，再描述其中的概率依賴關(guān)系，從而提取多維的品牌風(fēng)格語(yǔ)言知識(shí)。該方法可適應(yīng)于求解風(fēng)格認(rèn)知與計(jì)算、情感信息處理等諸多的不確定問題，后續(xù)工作將在意象詞匯和造型語(yǔ)義的實(shí)驗(yàn)分析，以及與粗糙集、回歸分析等不同推理方法可靠性比較方面，進(jìn)一步予以分析和完善。

［1］Warell A.Design Syntactics：a Functional Approach to Visual Product Form－theory，Models and Methods［D］.Gothenburg：Chalmers University of Technology，2002.

［2］Karjalainen T M.When is a Car Like a Drink？Metaphor as a Means to Distilling Brand and Product Identity［J］.Design Management Journal，2001，12（1）：66－71.

［3］Orsborn S，Cagan J，Pawlicki R，et al.Cross－over Vehicles：Defining and Combining Vehicle Classes Using Shape Grammars［J］.Artificial Intelligence for Engineering Design，Analysis and Manufacturing，2006，20（3）：217－246.

［4］Nishino T，Nagamachi M，Tanaka H.Variable Precision Bayesian Rough Set Model and Its Application to Human Evaluation Data［C］／／Rough Sets，F(xiàn)uzzy Sets，Data Mining and Granular Computing.Berlin：Springer，2005：294－303.

［5］Yang C，Shieh M.A Support Vector Regression Based Prediction Model of Affective Responses for Product Form Design［J］.Computers ＆ Industrial Engineering，2010，59（4）：682－689.

［6］張文泉.汽車品牌造型基因研究［D］.長(zhǎng)沙：湖南大學(xué)，2004.

［7］Chen K，Owen Charles L.Form Language and Style Description［J］.Design Studies，1997，18（3）：249－274.

［8］毛禮輝.基于網(wǎng)絡(luò)的感性意象調(diào)查系統(tǒng)研究與開發(fā)［D］.杭州：浙江大學(xué)，2006.

［9］曹雪亞.基于貝葉斯網(wǎng)絡(luò)的本體不確定性推理研究［D］.長(zhǎng)春：東北師范大學(xué)，2009.

［10］Lam W，Bacchus F.Learning Bayesian Belief Networks：an Approach Based on the MDL Principle［J］.Computational Intelligence，1994，10（3）：269－293.

［11］Glover F.Tabu Search－part［J］.ORSA Journal on Computing，1989，1（3）：190－206.

［12］Steffen D.Desgin Semantics of Innorvation，Product Language as a Reflection on Technical Innovation and Socio－cultural Change［C］／／Design Semiotics in Use Conference.Helsinki，2007：68－75.