用于预测初创企业成功的融合大语言模型
机器学习
2024-09-10 v1 计算与语言
摘要
投资者不断在初创企业中寻找有利可图的投资机会，因此，为了有效决策，需要预测初创企业的成功概率。如今，投资者不仅可以使用关于初创企业的各种基本信息（例如初创企业的年龄、创始人数量和业务领域），还可以利用通过 Crunchbase 等在线风险投资（VC）平台广泛获取的关于初创企业创新和商业模式的文本描述。为了支持投资者的决策，我们开发了一种机器学习方法，旨在定位 VC 平台上的成功初创企业。具体而言，我们开发、训练并评估了一个定制的融合大语言模型（LLM）来预测初创企业的成功。借此，我们评估了 VC 平台上的自我描述在多大程度上能够预测初创企业的成功。使用来自 Crunchbase 的 20,172 个在线资料，我们发现我们的融合大语言模型能够预测初创企业的成功，其中文本自我描述对预测能力负有显著部分。我们的工作为投资者寻找有利可图的投资机会提供了一个决策支持工具。
引用
@article{arxiv.2409.03668,
title = {A Fused Large Language Model for Predicting Startup Success},
author = {Abdurahman Maarouf and Stefan Feuerriegel and Nicolas Pröllochs},
journal= {arXiv preprint arXiv:2409.03668},
year = {2024}
}