Hybrid BiLSTM-CapsNet：用于动态评估商业计划中企业家能力的模型

《Scientific Reports》：Hybrid BiLSTM-CapsNet for dynamic assessment of entrepreneurship ability in business plans

　　

摘要

正确评估商业计划中的创业潜力对于促进创新和刺激经济增长至关重要。然而，使用传统技术对这些计划中的非结构化文本数据进行准确评估极其困难。为了克服这些限制，当前的研究提出了一种新颖的两阶段深度学习方法，该方法结合了最新的技术以获得更准确的分析结果。该方法包括两个基本步骤：首先进行文本特征描述和提取，然后进行智能分类。在第一步中，使用“词表示的全局向量”（GloVe）方法将文本转换为机器可理解的数值向量。随后，在第二步中，这些GloVe表示通过混合双向长短期记忆-胶囊神经网络（BiLSTM-CapsNet）模型进行建模和分析。这种混合深度学习模型结合了BiLSTM的序列建模能力和CapsNet的层次建模能力以及部分到整体的关系，实现了深度文本处理，并根据CapsNet的输出进行预测。所提出的BiLSTM-CapsNet方法使用了一个大型文本数据集进行了评估，结果表明该模型的性能非常出色：其准确率和F值分别达到了95.70%和0.9568。这一表现证实了BiLSTM-CapsNet方法在检测复杂模式和从文本中提取关键信息方面的强大能力，并证明了其改进的分类能力。