A Fused Large Language Model for Predicting Startup Success

要約

投資家はスタートアップへの収益性の高い投資機会を継続的に求めているため、効果的な意思決定のためにはスタートアップの成功確率を予測する必要があります。
今日、投資家はスタートアップに関するさまざまな基本情報（スタートアップの年齢、創業者の数、事業分野など）だけでなく、オンラインを通じて広く入手できるスタートアップのイノベーションやビジネスモデルのテキストによる説明も利用できるようになりました。
Crunchbase などのベンチャー キャピタル (VC) プラットフォーム。
投資家の意思決定をサポートするために、VC プラットフォームで成功しているスタートアップ企業を見つけることを目的とした機械学習アプローチを開発しています。
具体的には、スタートアップの成功を予測するために、カスタマイズされ融合された大規模言語モデルを開発、トレーニング、評価します。
これにより、VC プラットフォーム上の自己記述がスタートアップの成功をどの程度予測するかを評価します。
Crunchbase の 20,172 のオンライン プロファイルを使用したところ、融合された大規模言語モデルがスタートアップの成功を予測でき、テキストによる自己説明が予測力の重要な部分を担っていることがわかりました。
私たちの取り組みは、投資家が収益性の高い投資機会を見つけるための意思決定支援ツールを提供します。

要約(オリジナル)

Investors are continuously seeking profitable investment opportunities in startups and, hence, for effective decision-making, need to predict a startup’s probability of success. Nowadays, investors can use not only various fundamental information about a startup (e.g., the age of the startup, the number of founders, and the business sector) but also textual description of a startup’s innovation and business model, which is widely available through online venture capital (VC) platforms such as Crunchbase. To support the decision-making of investors, we develop a machine learning approach with the aim of locating successful startups on VC platforms. Specifically, we develop, train, and evaluate a tailored, fused large language model to predict startup success. Thereby, we assess to what extent self-descriptions on VC platforms are predictive of startup success. Using 20,172 online profiles from Crunchbase, we find that our fused large language model can predict startup success, with textual self-descriptions being responsible for a significant part of the predictive power. Our work provides a decision support tool for investors to find profitable investment opportunities.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google