[論文レビュー] Happy Travelers Take Big Pictures: A Psychological Study with Machine Learning and Big Data

Xuefeng Liang, Lixin Fan+3 more|arXiv (Cornell University)|Sep 22, 2017

Big Data Technologies and Applications参考文献 22被引用数 5

ひとこと要約

本研究は、大規模データとディープラーニングを用いてフレッドリクソンのポジティブ感情の拡大・構築理論を検証し、トリップアドバイザーから418,000枚の旅行写真を分析した。高評価の観光地では、ランダムデータと比較して76%対40%の広角写真が撮られていることが判明し、ポジティブな感情が視覚的注意を広げるという仮説を支持した。また、ディープラーニングモデルは人間並みの正確性を達成し、写真の画角分類が可能であった。

ABSTRACT

In psychology, theory-driven researches are usually conducted with extensive laboratory experiments, yet rarely tested or disproved with big data. In this paper, we make use of 418K travel photos with traveler ratings to test the influential "broaden-and-build" theory, that suggests positive emotions broaden one's visual attention. The core hypothesis examined in this study is that positive emotion is associated with a wider attention, hence highly-rated sites would trigger wide-angle photographs. By analyzing travel photos, we find a strong correlation between a preference for wide-angle photos and the high rating of tourist sites on TripAdvisor. We are able to carry out this analysis through the use of deep learning algorithms to classify the photos into wide and narrow angles, and present this study as an exemplar of how big data and deep learning can be used to test laboratory findings in the wild.

研究の動機と目的

• 実世界の状況において、制御された実験室環境に依存しない大規模データを用いて、ポジティブ感情の拡大・構築理論を検証すること。
• 観光地の評価から推定されるポジティブな感情が、広角写真撮影行動として反映される視覚的注意の広がりと相関するかを調査すること。
• 大規模な行動分析に適した、人間並みの正確性で写真の画角を分類できるディープラーニングモデルの開発と検証すること。
• サイトの大きさや感情のニュートラル性といった交絡要因を、高評価・低評価・ランダムに選択されたサイトを比較することで検討すること。
• 機械学習と大規模データを、自然的環境における伝統的な心理的研究手法の補完として用いる可能性を示すこと。

提案手法

• トリップアドバイザーから418,000枚の旅行写真を収集し、サイトの人気度、客観性（1.5K件以上の投票）、地理的多様性（アジア、ヨーロッパ、アメリカ）、サイトタイプの多様性を基準にフィルタリングし、宗教的施設は除外した。
• 畳み込みニューラルネットワーク（CNN）を基盤とするディープラーニングモデル（CF-CNN）を開発し、写真を広角・狭角に分類する能力を人間のアノテーターと同等の水準に達成した。
• 線形回帰（式1）を用いて、サイト評価（感情状態の代理指標）とサイトの大きさが写真の画角選好に与える影響を、交絡要因を制御した上でモデル化した。
• 3つの実験を実施した：(1) 高評価・低評価サイトの分析、(2) サイトサイズを制御した分析、(3) YFCC100mの10,000枚の画像を用いたランダム写真ベースラインとしてのニュートラル行動の確立。
• 3シグマルールを適用し、比較のための高評価（9.0以上）と低評価（7.4未満）の閾値を定義した。
• 感情状態（ポジティブ、ニュートラル、ネガティブ）の違いに応じたサイトカテゴリ間での比較に、広角写真の割合を主たる指標として用いた。

実験結果

リサーチクエスチョン

• RQ1 高評価の観光地と広角写真の使用増加との間に有意な相関が認められるか？
• RQ2 高評価の観光地が示すポジティブな感情が、より広い画角の写真撮影行動として反映され、視覚的注意が広がっていると解釈できるか？
• RQ3 観光地の大きさが写真の画角選好に与える影響は何か？ また、感情的要因とは分離可能か？
• RQ4 ニュートラルな感情状態下での広角写真のベースライン割合はどの程度か？ また、感情的に強いサイトと比較してどう異なるか？
• RQ5 ディープラーニングモデルは、スケールに応じて写真の画角を正確に分類できるか？ その結果、大規模データから心理的推論を可能にするか？

主な発見

• 高評価の観光地（9.0以上）では、広角写真の割合が76%に達し、ランダムデータの40%のベースラインと比べ有意に高いことが判明した。
• 低評価のサイト（7.4未満）では、広角写真の割合が41%にとどまり、ランダムベースラインとほぼ同一であり、ニュートラルまたはネガティブな感情状態を示唆した。
• 高評価サイトの広角写真割合の分散は6%と低く、低評価サイトの15.5%と比べて一貫性があることが判明し、感情的影響の安定性を示した。
• サイトの大きさを制御した後も、高評価サイトでの広角写真の好まれる傾向は有意に高く保たれ、物理的空間の影響を超えた感情的要因の存在を確認した。
• ディープラーニングモデル（CF-CNN）は、人間の性能と同等の分類正確性を達成し、写真の画角の大規模な分析を信頼性を持って可能にした。
• 結果は、野生の状況下でも拡大・構築理論が成立することを支持する：ポジティブな感情は注意を広げ、より広い写真構図を生じさせる。