Skip to main content
main-content

Tipp

Weitere Artikel dieser Ausgabe durch Wischen aufrufen

07.03.2020 | Focus | Ausgabe 11/2020

Soft Computing 11/2020

Prediction of fundraising outcomes for crowdfunding projects based on deep learning: a multimodel comparative study

Zeitschrift:
Soft Computing > Ausgabe 11/2020
Autoren:
Wei Wang, Hongsheng Zheng, Yenchun Jim Wu
Wichtige Hinweise
Communicated by Mu-Yen Chen.

Publisher's Note

Springer Nature remains neutral with regard to jurisdictional claims in published maps and institutional affiliations.

Abstract

As a new financing model, crowdfunding has been developed rapidly in recent years and has attracted the attention of investors and small- and medium-sized enterprises and entrepreneurs. However, many projects fail to be funded; thus, crowdfunding project fundraising outcomes forecasting and multimodel comparisons are meaningful ways to identify project quality and reduce market risk. It is important to reduce participation risk through automated methods, which is of great significance to the sustainable development of Internet finance. First, based on the data from the Kickstarter, preprocessing and exploratory analysis are conducted. Then, we introduce a deep learning algorithm (multilayer perceptron) and apply it to the prediction of crowdfunding financing performance. We compare deep learning with other commonly used machine learning algorithms, including decision tree, random forest, logistic regression, support vector machine, and K-nearest neighbors algorithm. We tune each machine learning algorithm to get the best parameters. The experimental results show that the deep learning model can obtain the best prediction results, with an accuracy of 92.3% when predicting the fundraising outcomes of crowdfunding financing, followed by the decision tree. Deep learning shows significant advantages in many evaluation criteria, which demonstrates the potential for crowdfunding project financing predictions. This study combines machine learning with Internet finance, providing inspiration for future research and resulting in many practical implications.

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

Sie möchten Zugang zu diesem Inhalt erhalten? Dann informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 69.000 Bücher
  • über 500 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 58.000 Bücher
  • über 300 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 50.000 Bücher
  • über 380 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Maschinenbau + Werkstoffe




Testen Sie jetzt 30 Tage kostenlos.

Literatur
Über diesen Artikel

Weitere Artikel der Ausgabe 11/2020

Soft Computing 11/2020 Zur Ausgabe

Premium Partner

    Bildnachweise