The startup business ecosystem in India has experienced exponential growth. The amount of investment in Indian startups in the last decade demonstrates the strong interest of the technology industry to these business models based on innovation. In this context, the present study aims to identify investment opportunities for investors in Indian startups by identifying key indicators that characterize the startup ecosystem in India. To this end, a three steps data mining method is developed using data mining techniques. First, a sentiment analysis (SA), a machine learning approach that classifies the topics into groups expressing feelings, is applied to a dataset. Next, we develop a Latent Dirichlet Allocation (LDA) model, a topic-modeling technique that divides the sample of n = 14.531 tweets from Twitter into topics, using user-generated content (UGC) as data. Finally, in order to identify the characteristics of each topic we apply textual analysis (TA) to identify key indicators. The originality of the present study lies in the methodological process used for data analysis. Our results also contribute to the literature on startups. The results demonstrate that the Indian startup ecosystem is influenced by areas such as fintech, innovation, crowdfunding, hardware, funds, competition, artificial intelligence, augmented reality and electronic commerce. Of note, in view of the exploratory approach of the present study, the results and implications should be taken as descriptive, rather than determining for future investments in the Indian startup ecosystem.

中文翻译：

---

从 Twitter 聊天中的 UGC 中识别初创企业商机：探索性分析

印度的创业商业生态系统经历了指数级增长。过去十年对印度初创企业的投资金额表明，科技行业对这些基于创新的商业模式有着浓厚的兴趣。在此背景下，本研究旨在通过确定表征印度初创企业生态系统的关键指标，为印度初创企业的投资者确定投资机会。为此，使用数据挖掘技术开发了三步数据挖掘方法。首先，将情感分析 (SA)，一种将主题分类为表达情感的组的机器学习方法，应用于数据集。接下来，我们开发了一个潜在狄利克雷分配 (LDA) 模型，这是一种主题建模技术，可将来自 Twitter 的 n = 14.531 条推文样本划分为主题，使用用户生成的内容 (UGC) 作为数据。最后，为了识别每个主题的特征，我们应用文本分析 (TA) 来识别关键指标。本研究的独创性在于用于数据分析的方法论过程。我们的结果也有助于有关初创公司的文献。结果表明，印度创业生态系统受到金融科技、创新、众筹、硬件、基金、竞争、人工智能、增强现实和电子商务等领域的影响。值得注意的是，鉴于本研究的探索性方法，结果和影响应被视为描述性的，而不是决定未来对印度创业生态系统的投资。为了识别每个主题的特征，我们应用文本分析 (TA) 来识别关键指标。本研究的独创性在于用于数据分析的方法论过程。我们的结果也有助于有关初创公司的文献。结果表明，印度创业生态系统受到金融科技、创新、众筹、硬件、基金、竞争、人工智能、增强现实和电子商务等领域的影响。值得注意的是，鉴于本研究的探索性方法，结果和影响应被视为描述性的，而不是决定未来对印度创业生态系统的投资。为了识别每个主题的特征，我们应用文本分析 (TA) 来识别关键指标。本研究的独创性在于用于数据分析的方法论过程。我们的结果也有助于有关初创公司的文献。结果表明，印度创业生态系统受到金融科技、创新、众筹、硬件、基金、竞争、人工智能、增强现实和电子商务等领域的影响。值得注意的是，鉴于本研究的探索性方法，结果和影响应被视为描述性的，而不是决定未来对印度创业生态系统的投资。我们的结果也有助于有关初创公司的文献。结果表明，印度创业生态系统受到金融科技、创新、众筹、硬件、基金、竞争、人工智能、增强现实和电子商务等领域的影响。值得注意的是，鉴于本研究的探索性方法，结果和影响应被视为描述性的，而不是决定未来对印度创业生态系统的投资。我们的结果也有助于有关初创公司的文献。结果表明，印度创业生态系统受到金融科技、创新、众筹、硬件、基金、竞争、人工智能、增强现实和电子商务等领域的影响。值得注意的是，鉴于本研究的探索性方法，结果和影响应被视为描述性的，而不是决定未来对印度创业生态系统的投资。