2.3.1 模式本体分类
根据模式的不同分类依据，可分为五种类型，如图2.3所示。
（1）属性模式和关系模式。
图2.3 模式分类体系
根据模式提取的目标值所关联的知识类型，模式划分为属性模式和关系模式。公理1和公理2是属性模式和关系模式的类属公理。
公理1.（∀p）（Attribute-Pattern（p）↔Pattern（p））
∧∃c∃e∃a（Goal-Knowledge（p，AttributeValue（c，e，a）））
公理2.（∀p）（Relation-Pattern（p）↔Pattern（p））
∧∃c∃e∃r（Goal-Knowledge（p，RelationEntity（c，e，r）））
公理1表明，模式p是属性模式的充要条件是：p的目标值是“隶属于概念c的实体e”的属性a的属性值。公理2表明，模式p是关系模式的充要条件是：p的目标值是“隶属于概念c的实体e的”关系r的关系值。其中，
谓词Pattern（p）表示p是模式；
谓词Attribute-Pattern（p）表示p是属性模式；
谓词Relation-Pattern（p）表示p是关系模式；
Goal-Knowledge（p，AttributeValue（c，e，a））表示从匹配模式p的句子中提取隶属于概念c的实体e的属性a的属性值；
Goal-Knowledge（p，RelationEntity（c，e，r））表示从匹配模式p的句子中提取隶属于概念c的实体e的关系r的关系值。
（2）布尔型模式、枚举型模式、字符串型模式，以及数值型模式。
根据模式提取的目标值的类型，可将模式划分为布尔型模式、枚举型模式、字符串型模式，以及数值型模式。公理3至公理6给出了这四种模式的类属公理。
公理3.∀p（Boolean-Pattern（p）
↔Pattern（p）∧Number-of-Goal-Values（p，2））
公理4.∀p（Enumerable-Pattern（p）
↔Pattern（p）∧Number-of-Goal-Values（p，m）∧Morethan（m，2））
公理5.∀p（Numeric-Pattern（p）
↔Pattern（p）∧Type-of-Goal-Value（p，Numeric））
公理6.∀p（String-Pattern（p）
↔Pattern（p）∧Type-of-Goal-Value（p，String））
根据公理3，模式p是布尔型模式的充要条件是：从匹配模式p的句子中提取的目标值个数为2。根据公理4，模式p是枚举型模式的充要条件是：从匹配模式p的句子中提取的目标值个数大于2。根据公理5，模式p是数值型模式的充要条件是：从匹配模式p的句子中提取的目标值类型为数值型。根据公理6，模式p是字符串型模式的充要条件是：从匹配模式p的句子中提取的目标值类型为字符串型。其中，
谓词Boolean-Pattern（p）表示p是布尔模式；
谓词Enumerable-Pattern（p）表示p是枚举型模式；
谓词Numeric-Pattern（p）表示p是数值型模式；
谓词String-Pattern（p）表示p是字符串型模式；
谓词Number-of-Goal-Values（p，2）表示从匹配模式p的句子中提取的目标值个数为2；
谓词Type-of-Goal-Value（p，Numeric）表示从匹配模式p的句子中提取的目标值类型为数值型。
（3）显式模式和隐式模式。
根据模式的目标值所隶属概念c的属性a的词汇是否在句子中显式出现，可将模式划分为显式模式和隐式模式。公理7和公理8给出了这两种模式的类属公理。
公理7.∀p（Explicit-Pattern（p）↔Pattern（p）
∧∃w（ContainSet（Wl，w）∧IncludePattern（p，w）））
公理8.∀p（Implicit-Pattern（p）↔Pattern（p）
∧∀w（ContainSet（W，w）→﹁IncludePattern（p，w）））
给定模式p，设该模式的目标值是隶属于概念c的实体e属性a的属性值，Wl是属性a的名称词汇集合。公理7的含义是指模式p是显式模式的充要条件是：存在名称词汇集合Wl中的元素w，模式p包含元素w。公理8的含义是指模式p是隐式模式的充要条件是：对于名称词汇集合W中的任一元素w，模式p均不包含元素w。
（4）事实型模式、概念型模式、程序型模式。
根据模式目标值的知识类型，将模式划分为事实型模式、概念型模式，以及程序型模式。
事实型模式是指通过模式所提取目标值的类型为事实型知识；
概念型模式是指通过模式所提取目标值的类型为概念型知识；
程序型模式是指通过模式所提取目标值的类型为程序型知识。
程序型模式包括事件主体变量项、事件客体变量项、事件发生时间变量项、事件发生地点变量项、事件发生起因变量项、事件发生经过变量项、事件发生结果变量项、事件发生条件变量项、事件发生方向变量项、事件发生程度变量项、事件发生频率变量项等。
（5）通用领域模式、专业领域模式、类属模式。
根据模式所属领域和类别，模式划分为通用领域模式、专业领域模式、类属模式。
定义（类属模式）：设模式所提取的目标值隶属于概念c的实体e的属性a的属性值，或关系r的关系值，若概念c隶属于领域类别，则将该模式称为类属模式。
定义（通用领域模式、专业领域模式）：设模式所提取的目标值隶属于概念c的实体e的属性a的属性值，或关系r的关系值，若概念c隶属于通用领域的类别，则将该模式称为通用领域模式；若概念c隶属于专业领域的类别，则将该模式称为专业领域模式。
属性模式和关系模式均能够被重用。
命题1.∀p∀c1∀c2∀e1∀e2∀a（IS-A（c2，c1）
∧Goal-Knowledge（p，AttributeValue（c1，e1，a））
→Goal-Knowledge（p，AttributeValue（c2，e2，a）））
命题1的含义是，若类c2是类c1的子类，模式p的目标值是隶属于概念c的实体e1属性a的属性值，则模式p能够应用于抽取隶属于概念c2的实体e2属性a的属性值。
例如，若模式p的目标值是隶属于概念“遗址”的实体“金牛山遗址”的属性“发掘时间”的属性值，则模式p能够应用于抽取隶属于概念“房址”的实体“仰韶文化房址”的属性“发掘时间”的属性值。也就是，下式成立。
∀p∀e1∀e2∀a（IS-A（房址，遗址）
∧Goal-Knowledge（p，AttributeValue（遗址，金牛山遗址，发掘时间））
→Goal-Knowledge（p，AttributeValue（房址，仰韶文化房址，发掘时间）））
命题2.∀p∀c∀e∀a1∀a2（IS-A（r2，r1）
∧Goal-Knowledge（p，AttributeValue（c，e，r1））
→Goal-Knowledge（p，AttributeValue（c，e，r2）））
命题2的含义是，若关系r2是关系r1的子类，模式p的目标值是隶属于概念c的实体e关系r1的关系值，则模式p能够应用于抽取隶属于概念c的实体e的关系r2的关系值。
命题3.∀p∀c1∀c2∃c∀e1∀e2∀a（IS-A（c2，c）∧IS-A（c1，c）
∧Goal-Knowledge（p，AttributeValue（c1，e1，a））
→Goal-Knowledge（p，AttributeValue（c2，e2，a）））
命题3的含义是，若类c2和类c1均是类c的子类，模式p的目标值是隶属于概念c1的实体e1属性a的属性值，则模式p能够应用于抽取隶属于概念c2的实体e2的属性a的属性值。