其中,Fn是领域名,Cc是领域内的术语集,R是关系集,Ac是公理集,Ic是实例集。

R形式化为:R::=(Ra,Rc),Ra是Cc上的属性集,形式化为:Ra::=(dc:Identifier,dc:Title,dc:Creator,dc:Description,dc:Date),前缀dc表示重用DC元数据集中的标识符、题名、创建者、描述及日期元素;Rc是术语间的关系集,Rc域是Cc1×Cc1,形式化为:Rc::=(SubConceptOf,SuperConceptOf,IsPartOf,HasPart,Equal,Pre,Next),SubConceptOf和SuperConceptOf

是包含和被包含的关系,IsPartof和HasPart是聚集关系,Equal是等价关系,Pre描述了概念和概念之间的直接前驱关系,Next描述了概念和概念之间的直接后继关系。Ac是公理集,Ac形式化为:Ac::=(SubConceptOf≡SuperConceptOf-,IsPartOf≡HasPart-,Pre≡Next-,IsPartOf≡IsPartof*,HasPart≡HasPart*,Equal≡Equal*,……),表达了SubConceptOf和SuperConc-

eptOf,IsPartOf和HasPart,Pre和Next都是逆反关系,IsPartOf和HasPart和Equal都是可传递的。Ic形式化为:Ic::=(IRa,IRc),IRa是属性集实例,IRc是概念的关系实例。

概念是对人类知识的抽象,概念本体是按照分类法来组织领域概念及其客观关系的,概念本体作为一类独立的本体存在,由领域专家或知识工程师管理。财务风险预警定量模型概念本体的描述说明如下:

Fn=财务风险预警定量模型;

Cc=(Z计分模型,人工神经网络模型,多元逻辑(logit)模型,F计分模型……);

IRa={(“Prop1”,“Z计分模型”,“Z-score”,“通过将反映企业偿债能力的指标(X1,X4)、获利能力指标(X2,X3)和营运能力指标(X5)五种财务比率有机联系起来,综合分析预警企业财务风险。”),(“Prop2”,“人工神经网络模型”,“Artificial-Neural-Network”,“通过大量神经元的复杂连接,采用由底到顶的学习方法,以自组织和非线性动力学所形成的并列分布方式处理非语言化的财务模式信息,达到预警企业财务风险的目标”),……};