[论文解读] The Effect of Pets on Happiness: A Large-scale Multi-Factor Analysis using Social Multimedia

Xuefeng Peng, Li-Kai Chi+1 more|arXiv (Cornell University)|Mar 24, 2018

Human-Animal Interaction Studies参考文献 20被引用 3

一句话总结

本研究提出了一套大规模、数据驱动的计算框架，利用Instagram多媒体数据与深度学习技术，分析宠物、恋爱状态及父母身份对个体幸福感的影响。通过微调Inception v3模型以实现宠物检测，并结合面部分析、情感分析与微笑识别，研究发现养宠显著提升幸福感，尤其对单身人士和父母群体影响显著，且在不同人口统计群体中具有统计学显著性。

ABSTRACT

From reducing stress and loneliness, to boosting productivity and overall well-being, pets are believed to play a significant role in people's daily lives. Many traditional studies have identified that frequent interactions with pets could make individuals become healthier and more optimistic, and ultimately enjoy a happier life. However, most of those studies are not only restricted in scale, but also may carry biases by using subjective self-reports, interviews, and questionnaires as the major approaches. In this paper, we leverage large-scale data collected from social media and the state-of-the-art deep learning technologies to study this phenomenon in depth and breadth. Our study includes four major steps: 1) collecting timeline posts from around 20,000 Instagram users, 2) using face detection and recognition on 2-million photos to infer users' demographics, relationship status, and whether having children, 3) analyzing a user's degree of happiness based on images and captions via smiling classification and textual sentiment analysis, 3) applying transfer learning techniques to retrain the final layer of the Inception v3 model for pet classification, and 4) analyzing the effects of pets on happiness in terms of multiple factors of user demographics. Our main results have demonstrated the efficacy of our proposed method with many new insights. We believe this method is also applicable to other domains as a scalable, efficient, and effective methodology for modeling and analyzing social behaviors and psychological well-being. In addition, to facilitate the research involving human faces, we also release our dataset of 700K analyzed faces.

研究动机与目标

• 利用大规模社交媒体数据，探究养宠对个体幸福感的影响。
• 开发一种可扩展的计算框架，通过社交媒体多媒体数据分析心理幸福感。
• 研究养宠、恋爱状态与父母身份在不同人口统计群体中对幸福感的交互影响。
• 实现从社交媒体内容中大规模、高效地推断用户的人口统计特征与恋爱状态。
• 发布一个包含70万张分析人脸的数据集，以支持未来在社交媒体与心理幸福感研究方面的工作。

提出的方法

• 从约20,000名Instagram用户处收集时间线帖子，构建数据基础。
• 使用Face++ API进行人脸检测与识别，推断用户的人口统计特征、恋爱状态及是否拥有子女。
• 应用迁移学习，微调Inception v3模型的最后层，以在社交媒体图像上实现高精度的宠物分类。
• 结合视觉分析（微笑检测）与文本情感分析，计算用户的幸福感得分。
• 采用统计检验（如多重比较检验）评估不同人口统计子群体间幸福感的差异。
• 整合多模态信号——视觉、文本与面部数据——以推导全面的幸福感指标。

实验结果

研究问题

• RQ1 养宠是否显著提升个体幸福感，这一结论是否可通过多模态社交媒体数据得到验证？
• RQ2 养宠对幸福感的影响在不同恋爱状态（如单身与有伴侣者）之间是否存在差异？
• RQ3 父母身份对幸福感有何影响，且养宠者与非养宠者之间是否存在差异？
• RQ4 能否通过社交媒体帖子的面部分析可靠地推断用户的人口统计特征与恋爱状态？
• RQ5 性别与种族在养宠与幸福感关系中是否起到调节作用？

主要发现

• 养宠与显著更高的幸福感得分相关，单身人士中养宠者与非养宠者的平均幸福感差异为1.8128。
• 在单身人士中，养宠者与非养宠者的幸福感差异最为显著，幸福感均值比较的p值为0.0002。
• 在非养宠者中，有子女者与非父母的幸福感得分差异为5.6261，p值为0。
• 研究发现，养宠对单身或无伴侣个体的幸福感具有更强的积极影响。
• 非养宠者中父母与非父母的幸福感得分差异显著高于养宠者，表明宠物可能调节父母身份对幸福感的影响。
• 本研究发布了包含70万张分析人脸的数据集，以支持未来在面部分析与心理幸福感研究方面的工作。