通过扩大和丰富数据源以及特征数量，利用机器学习模型对创业公司的公开数据进行预测，可较准确地预测公司是否能在未来一定时间内筹集到资金。

Dec, 2023

早期评估创业公司是一个复杂的任务，需要专家进行详细的分析。本文介绍了创业成功预测框架 (SSFF)，这是一个结合传统机器学习和先进语言模型的新型自动化系统。SSFF 由预测模块、分析师模块和外部知识模块组成，以模拟风险投资家的分析过程，并从外部来源获取实时信息，自动化地进行高精度的分析。

May, 2024

该研究以市场图谱的角度探索在线创新市场中项目筹资的预测问题，并设计了基于图神经网络的模型以及并行竞争度量和层次化传播算法，实验证明了该模型的有效性。

May, 2021

利用机器学习模型预测中国的 P2P 借贷平台的失败，通过筛选方法和包装方法，建立了一个严格而实用的预测平台失败的变量的程序。研究确定了一组在不同选择方法和模型中一致出现在特征子集中的可靠变量，表明它们在预测平台失败方面的可靠性和相关性。本研究的发现对于在中国 P2P 借贷行业中进行监管的机构和投资者具有重要的实际意义。

Nov, 2023

该论文基于新型和经典数据集引入了一个无结构数据情况下的基准测试，评估了几种经典和神经基础模型，并发现基于静态领域词汇表示的轻量级词袋模型在多年的文本数据中获得了出人意料的良好结果。

Aug, 2022

本论文使用领先的 ChatGPT 技术对专利进行分析，以更准确地预测其价值和影响力，为初创企业和小型公司的知识产权政策提供了改革的机遇。

Jun, 2023

该研究介绍了一种创新的评估方法，利用先进的大型语言模型技术来评估初创企业中创始人与创意的匹配度，以增强决策能力。嵌入、自我演绎、思维树和基于批评的改进技术显示出初步的有希望的结果，每个创意的成功模式都是独特的，并且应该基于创始人的背景环境进行评估。

Dec, 2023

通过综述当前在私募股权行业中数据驱动方法的应用，本研究提出了一种新的方法，利用基于 Transformer 的多变量时间序列分类器（TMTSC）来预测任何候选公司的成功可能性，以优化风险投资和成长资本的投资目标的选择。通过对四个数据集的广泛实验，与三个常见基准进行比较，我们证明了这种方法在改进风险投资和成长资本行业中的决策制定方面的有效性。

Sep, 2023

这篇论文提出了一个决策支持系统，利用从各种来源获得的历史数据、社交网络分析和文本挖掘技术，自动提取多组数据特征，包括 “谁” 在演员阵容中，“电影” 讲述的内容，“何时” 上映以及匹配 “谁” 和 “何时” 与 “电影” 相关的特征，从而预测电影的利润，实验证明此系统在预测电影利润方面的性能大大优于基准方法，同时其所提出的新特征也对电影利润预测做出了重要贡献。此外，对于电影利润的关键因素的分析也可能对团队绩效和创意工作的成功的理论研究产生影响。

Jun, 2015

本文研究表明，相较于传统机构数据，利用基于应用程序的市场的替代数据对信用评分模型的影响。这些替代数据来源已经在传统银行和金融机构未能满足需求的人群中展现出巨大的预测借款人行为的能力。结果揭示，在两个国家得到了确认，这些新型数据来源特别适用于预测财务行为中低财富和年轻人，而这类人也是最有可能借助替代性贷款的人群。此外，通过使用 Stochastic Gradient Boosting 解释的 TreeSHAP 方法，我们的结果也显示，这些应用程序来源的变量存在着有趣的非线性趋势，这些趋势对于传统银行而言不是常见的信息。因此，这些研究结果展现了技术公司识别替代数据来源并妥善处理这些新信息的机会与挑战。同时，需要注意的是，替代数据必须经过认真的验证才能克服不同管辖区域的法规障碍。

May, 2020