پیش بینی موفقیت استارت آپ ها با استفاده از یادگیری ماشین

سال انتشار: 1401
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 223

فایل این مقاله در 14 صفحه با فرمت PDF و WORD قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICBDCONF01_015

تاریخ نمایه سازی: 29 فروردین 1402

چکیده مقاله:

امروزه استارت آپ ها در حال تبدیل شدن به موتور محرک اقتصاد جهان هستند. دسته ای از آن ها پس از گذر از دوره های آغازین دریافت سرمایه، به شرکت های بزرگ اقتصادی مانند گوگل، اپل، یا اخیرا ایربی ان بی و اوبر تبدیل می شوند و تاثیر فوق العاده ای در اقتصاد جهان و تعاملات اجتماعی بین دولت ها دارند. از این رو طی دهه ی گذشته در سرتاسر جهان رشد چشمگیری در تشکیل شرکت های نوپا مشاهده شده است. با توجه به این که محیط استارت آپ ها در دوره های آغازین فعالیت ماهیت بسیار نامعلوم و ناپایداری دارند، در نتیجه تجزیه و تحلیل و تفسیر اطلاعات برای ارزیابی موفقیت شرکت های نوپا دشوار می باشد. از این رو سرمایه گذاران و صندوق های خطرپذیر نیازمند به ابزاری برای پیش بینی احتمال موفقیت استارت آپ ها هستند. زمان و ماهیت محاسباتی فشرده این مسئله، نیازمند یک مدل کمی است که با این رویکرد بتوان امکان پیش بینی موفقیت در ابتدای کار استارت آپ ها را ممکن ساخت. موفقیت برای یک شرکت نوپا در این پژوهش این گونه تعریف می شود که استارت آپ بتواند در مدت زمان مشخص شده به مرحله بعدی سرمایه گذاری دست یابد. توانایی پیش بینی موفقیت یک مزیت رقابتی ارزشمند برای سرمایه گذاران خطرپذیر که در جستجوی سرمایه گذاری بر روی استارت آپ ها هستند به حساب می آید زیرا انتخاب های درجه اول، شرکت هایی هستند که پتانسیل رشد سریع تری نسبت به رقبا را دارند و در نهایت برای سرمایه گذاران این امتیاز فراهم می شود تا بتوانند به وسیله ی مدل پیشنهادی یک گام جلوتر از رقبا قرار گیرند. برای حل این چالش در این پژوهش به ارائه راه حلی برای پیش بینی موفقیت استارت آپ ها در آینده پرداخته شد ه است. به طور خاص، ابتدا با جمع آوری داده از سه منبع مختلف به بررسی و استخراج عوامل و فاکتورهای موثر در موفقیت استارت آپ ها پرداخته شده است. سپس به کمک روش های یادگیری ماشین مدلی برای پیش بینی موفقیت استارت آپ ها ارائه شده است. این مدل در مقایسه با مدل های گذشته بهبود قابل توجهی داشته است.

نویسندگان

مهسا حاج لطفعلیا

دانشجوی کارشناسی ارشد مهندسی فناوری اطلاعات، دانشگاه صنعتی امیرکبیر، تهران، ایران

سیدمحمدرضا هاشمیان

کارشناس علوم کامپیوتر دانشگاه صنعتی امیرکبیر، تهران، ایران

محمد اکبری

استادیار گروه علوم کامپیوتر دانشگاه صنعتی امیرکبیر، تهران، ایران