প্রাথমিক পর্যায়ের স্টার্টআপগুলি উদ্ভাবন-চালিত অর্থনীতির কেন্দ্রবিন্দু, তবুও তাদের ব্যর্থতার হার ক্রমাগত উচ্চ থাকে, অর্ধেকেরও বেশি নতুন উদ্যোগ তাদের প্রথম তিন থেকে পাঁচ বছর বেঁচে থাকে না। তরুণ উদ্যোগের ঝুঁকি সঠিকভাবে মূল্যায়ন করা চ্যালেঞ্জিং কারণ প্রাসঙ্গিক সংকেতগুলি উদ্যোক্তাদের বর্ণনা, প্রাথমিক আর্থিক সূচক এবং উদ্যোক্তা নেটওয়ার্কগুলিতে প্রতিষ্ঠাতাদের অবস্থান সহ ভিন্ন ভিন্ন উত্স জুড়ে ছড়িয়ে পড়ে। বেশিরভাগ বিদ্যমান মডেলগুলি হয় একটি একক পদ্ধতিতে ফোকাস করে বা মাল্টিমোডাল বৈশিষ্ট্যগুলিকে স্বাধীন ইনপুট হিসাবে বিবেচনা করে, ক্রস-সোর্স অসঙ্গতিতে অতিরিক্ত তথ্য রয়েছে কিনা এবং ছোট, ভারসাম্যহীন ডেটাসেটের সাথে লড়াই করছে কিনা তা উপেক্ষা করে। এই কাগজটি প্রাথমিক প্রাতিষ্ঠানিক মূল্যায়নের পর 36 মাসের মধ্যে স্টার্টআপ ঝুঁকির পূর্বাভাস দেওয়ার জন্য একটি দ্বন্দ্ব-সচেতন, জেনারেটিভ-বর্ধিত মাল্টিমোডাল কাঠামোর প্রস্তাব করে। মডেলটি যৌথভাবে ব্যবসায়িক পরিকল্পনা এবং সাক্ষাত্কারের পাঠ্য, কাঠামোগত আর্থিক বৈশিষ্ট্য এবং ট্রান্সফরমার, মাল্টিলেয়ার পারসেপ্টরন এবং ভিন্নধর্মী গ্রাফ নিউরাল নেটওয়ার্ক এনকোডারের মাধ্যমে প্রতিষ্ঠাতা-কেন্দ্রিক সামাজিক নেটওয়ার্ক তথ্য এনকোড করে। ক্রস-মডাল কনট্রাস্টিভ লার্নিং তিনটি পদ্ধতিকে একটি শেয়ার্ড রিপ্রেজেন্টেশন স্পেসে সারিবদ্ধ করে, যখন একটি মডেল কনফ্লিক্ট অ্যাটেনশন মডিউল আরও পরিদর্শনের জন্য প্রার্থীর বৈশিষ্ট্য হিসাবে পাঠ্য, আর্থিক এবং নেটওয়ার্ক সংকেতের মধ্যে প্রতিনিধিত্ব-স্তরের অসঙ্গতিগুলি গণনা করে। ডেটার ঘাটতি এবং শ্রেণির ভারসাম্যহীনতা প্রশমিত করার জন্য, আমরা আরও একটি শর্তসাপেক্ষ GAN প্রবর্তন করি যা ফিউজড ল্যাটেন্ট স্পেসে কাজ করে লেবেল- এবং দ্বন্দ্ব-কন্ডিশন্ড সিন্থেটিক উপস্থাপনা তৈরি করে যা ক্লাসিফায়ারকে সাধারণ এবং কৌশলগতভাবে বিরোধপূর্ণ প্যাটার্ন উভয়ের সাথে প্রকাশ করে। 4,500টি প্রাথমিক পর্যায়ের স্টার্টআপের একটি বাস্তব-বিশ্বের ডেটাসেটের পরীক্ষাগুলি দেখায় যে প্রস্তাবিত কাঠামো কাঠামোগত, পাঠ্য-বৈশিষ্ট্য, নেটওয়ার্ক-বৈশিষ্ট্য এবং মাল্টিমোডাল বেসলাইনকে ছাড়িয়ে যায়৷ সেরা মাল্টিমোডাল ফিউশন বেসলাইনের তুলনায়, আমাদের মডেল AUROC-কে 0.82 থেকে 0.87 এবং AUPRC-কে 0.53 থেকে 0.62 পর্যন্ত উন্নত করে, ইতিবাচক-শ্রেণির F\(_1\) এবং সুষম নির্ভুলতায় ধারাবাহিক লাভের সাথে। অ্যাবলেশন স্টাডিগুলি দ্বন্দ্বমূলক সারিবদ্ধকরণ, মোডাল দ্বন্দ্বের মনোযোগ এবং জেনারেটিভ অগমেন্টেশনের ক্রমবর্ধমান অবদান নিশ্চিত করে। একটি হোল্ড-আউট কনস্ট্রাক্ট-বৈধতা বিশ্লেষণ আরও দেখায় যে শেখা দ্বন্দ্ব উপস্থাপনা স্বাধীনভাবে প্রাপ্ত ক্রস-ডোমেন অসঙ্গতি পরিমাপগুলি ট্র্যাক করে, যখন এর অ-একঘেয়ে ফলাফল গ্রেডিয়েন্ট এটিকে স্ট্যান্ড-অলোন ডায়গনিস্টিক না করে একটি পরিদর্শন সংকেত হিসাবে ব্যবহার করতে সমর্থন করে।
প্রাথমিক পর্যায়ে স্টার্টআপ ঝুঁকির পূর্বাভাসের জন্য মাল্টিমডাল দ্বন্দ্ব-সচেতন এবং জেনারেটিভ-বর্ধিত AI
প্রাথমিক পর্যায়ের স্টার্টআপগুলি উদ্ভাবন-চালিত অর্থনীতির কেন্দ্রবিন্দু, তবুও তাদের ব্যর্থতার হার ক্রমাগত উচ্চ থাকে, অর্ধেকেরও বেশি নতুন উদ্যোগ তাদের প্রথম তিন থেকে পাঁচ বছর বেঁচে থাকে না। তরুণ উদ্যোগের ঝুঁকি সঠিকভাবে মূল্যায়ন করা চ্যালেঞ্জিং কারণ প্রাসঙ্গিক সংকেতগুলি উদ্যোক্তাদের বর্ণনা, প্রাথমিক আর্থিক সূচক এবং উদ্যোক্তা নেটওয়ার্কগুলিতে প্রতিষ্ঠাতাদের অবস্থান সহ ভিন্ন ভিন্ন উত্স জুড়ে ছড়িয়ে পড়ে। বেশিরভাগ বিদ্যমান মডেলগুলি হয় একটি একক পদ্ধতিতে ফোকাস করে বা মাল্টিমোডাল বৈশিষ্ট্যগুলিকে স্বাধীন ইনপুট হিসাবে বিবেচনা করে, ক্রস-সোর্স অসঙ্গতিতে অতিরিক্ত তথ্য রয়েছে কিনা এবং ছোট, ভারসাম্যহীন ডেটাসেটের সাথে লড়াই করছে কিনা তা উপেক্ষা করে। এই কাগজটি প্রাথমিক প্রাতিষ্ঠানিক মূল্যায়নের পর 36 মাসের মধ্যে স্টার্টআপ ঝুঁকির পূর্বাভাস দেওয়ার জন্য একটি দ্বন্দ্ব-সচেতন, জেনারেটিভ-বর্ধিত মাল্টিমোডাল কাঠামোর প্রস্তাব করে। মডেলটি যৌথভাবে ব্যবসায়িক পরিকল্পনা এবং সাক্ষাত্কারের পাঠ্য, কাঠামোগত আর্থিক বৈশিষ্ট্য এবং ট্রান্সফরের মাধ্যমে প্রতিষ্ঠাতা-কেন্দ্রিক সামাজিক নেটওয়ার্ক তথ্য এনকোড করে।
প্রকাশিত: ২ মিনিটে পড়ুন সূত্র: Nature




