[论文解读] The Effect of Pets on Happiness: A Data-Driven Approach via Large-Scale Social Media

Yuchen Wu, Jianbo Yuan+2 more|arXiv (Cornell University)|Oct 27, 2016

Human-Animal Interaction Studies参考文献 7被引用 6

一句话总结

本研究提出了一种数据驱动的、大规模方法，利用Instagram数据分析宠物对人类幸福感的影响。通过结合卷积神经网络（CNN）进行宠物检测和基于自拍的幸福感评分，作者识别出宠物主人与非主人，揭示了在不同人口统计群体中，宠物拥有与幸福感显著提升之间的关联。

ABSTRACT

Psychologists have demonstrated that pets have a positive impact on owners' happiness. For example, lonely people are often advised to have a dog or cat to quell their social isolation. Conventional psychological research methods of analyzing this phenomenon are mostly based on surveys or self-reported questionnaires, which are time-consuming and lack of scalability. Utilizing social media as an alternative and complimentary resource could potentially address both issues and provide different perspectives on this psychological investigation. In this paper, we propose a novel and effective approach that exploits social media to study the effect of pets on owners' happiness. The proposed framework includes three major components: 1) collecting user-level data from Instagram consisting of about 300,000 images from 2905 users; 2) constructing a convolutional neural network (CNN) for pets classification, and combined with timeline information, further identifying pet owners and the control group; 3) measuring the confidence score of happiness by detecting and analyzing selfie images. Furthermore, various factors of demographics are employed to analyze the fine-grained effects of pets on happiness. Our experimental results demonstrate the effectiveness of the proposed approach and we believe that this approach can be applied to other related domains as a large-scale, high-confidence methodology of user activity analysis through social media.

研究动机与目标

• 克服传统基于调查的心理学研究在宠物相关幸福感研究中的可扩展性局限。
• 开发一种数据驱动的、大规模方法，利用社交媒体作为补充数据源来测量幸福感。
• 研究宠物拥有对不同人口统计群体幸福感的细微影响。
• 验证在社交媒体数据上应用深度学习对心理学和行为研究的有效性。

提出的方法

• 收集用户级别的Instagram数据，包括约30万张来自2,905名用户的图像，以构建大规模数据集。
• 训练卷积神经网络（CNN）以分类宠物图像，并基于视觉内容和时间线模式识别宠物主人。
• 对自拍图像进行面部分析，通过自动检测情绪表达来估算用户的幸福感置信度评分。
• 整合年龄、性别和地理位置等人口统计因素，以实现对幸福感差异的精细化分析。
• 将宠物主人与非主人对照组进行比较，以隔离宠物拥有对幸福感评分的影响。
• 应用统计建模评估不同群体间观察到的幸福感差异的显著性。

实验结果

研究问题

• RQ1 宠物拥有是否会导致从社交媒体内容推断出的自我报告幸福感水平提高？
• RQ2 宠物拥有对幸福感的影响在不同人口统计群体（如年龄和性别）中如何变化？
• RQ3 应用于社交媒体图像的深度学习模型能否可靠地检测并量化用户的幸福感水平？
• RQ4 社交媒体数据在多大程度上可作为传统基于调查的心理学研究的可扩展且有效的替代方案？
• RQ5 不同类型的宠物对用户幸福感的相对影响如何，体现在社交媒体行为中？

主要发现

• 研究发现，与非主人相比，宠物主人的幸福感置信度评分有统计显著提升，表明宠物拥有对情绪有可测量的积极影响。
• 基于CNN的宠物检测模型在从用户时间线中识别宠物相关内容方面表现出高准确性，支持可靠的群体分类。
• 从自拍分析得出的幸福感评分在不同人口统计子群体中表现出一致的模式，表明该方法具有稳健性。
• 人口统计变量的整合揭示了幸福感影响的细微差异，例如对年轻用户或特定性别群体的影响更强。
• 所提出的框架展现出可扩展性和可靠性，为传统基于调查的心理学研究提供了一种可行的替代方案。
• 结果支持将社交媒体数据与深度学习结合，作为研究人类情绪福祉的一种有效、大规模方法。