استفاده از یادگیری عمیق در پیشبینی موفقیت ایده های کارآفرینی

پیش بینی موفقیت ایده های کارآفرینی یکی از چالشهای اصلی در توسعه استارتاپها و تصمیم گیریهای سرمایه گذاری است. این پژوهش با هدف توسعه مدلی مبتنی بر یادگیری عمیق برای پیشبینی موفقیت ایده های کارآفرینی انجام شد. داده های مربوط به ویژگیهای تیم، موسس سرمایه، اولیه بازار هدف و نظرات کاربران از منابع مختلف جمع آوری و پیش پردازش شدند. مدل پیشنهادی شامل یک شبکه عصبی بازگشتی LSTM ترکیبی با لایه های Dense است که داده های متنی، عددی و سری زمانی را تحلیل می کند. یافتههای پژوهش نشان میدهد که مدل پیشنهادی با دقت ۸۷.۵٪ توانسته عملکرد بهتری نسبت به روشهای سنتی مانند Logistic Regression و الگوریتمهای یادگیری ماشین مانند Random Forest ارائه دهد. علاوه بر این، نظرات کاربران به عنوان دادههای متنی تاثیر چشمگیری بر پیشبینی موفقیت داشته اند. این پژوهش نشان میدهد که ترکیب دادههای چندگانه و استفاده از مدلهای یادگیری عمیق می تواند ابزار قدرتمندی برای تحلیل و پیشبینی در حوزه کارآفرینی فراهم کند.

کلیدواژه ها:

یادگیری عمیق ، پیش بینی موفقیت کارآفرینی ، شبکه عصبی بازگشتی ، تحلیل دادههای متنی