你的客廳出賣了你的生活方式嗎？機器學習發(fā)現(xiàn)了背后的規(guī)律
撰文 | Clio Andris & Xi Liu
我們的客廳在多大程度上會出賣我們的生活方式？ 窺視他人的生活或許只是出于人類好奇心，但另一方面，了解人類的生活方式或許能有助于更好地理解人類行為的各個方面。最近在EPJ Data Science 上發(fā)表的一項研究使用機器學習分析了Airbnb（一個熱門的住宿網(wǎng)站）上的家居裝飾模式以及如何通過裝飾模式了解房子的主人。 互聯(lián)網(wǎng)為我們提供了海量圖片。通過Craigslist、Zillow和Airbnb等網(wǎng)站我們甚至能看到他人住宅內(nèi)部的裝潢，這些家裝圖片能反映房主的的創(chuàng)造力、設(shè)計感和文化背景。如果對這些圖像進行地理定位，也就是將它們在地圖上鋪開，我們還可以在世界范圍內(nèi)比較家居裝飾的空間和文化/地理趨勢。 2016年 Clio Andris研究團隊進行了一項試點研究，比較了10個不同城市Airbnb民宿的內(nèi)裝風格。2017年和2018年，他們將研究區(qū)域擴展到了全球107個城市。主要研究對象為民宿客廳，他們還從107個城市中選出了6個美國的城市進行深入分析。研究人員使用計算機視覺技術(shù)檢測了六大洲上超過50,000個家庭中的植物、書籍、墻面裝飾、物件布置以及色彩搭配。 研究發(fā)現(xiàn)，從全球范圍來看，歐洲和北美家居中的裝飾性擺設(shè)最多，其次是東南亞。中東地區(qū)的家具最為豐富多彩， 印度和摩洛哥的家居裝飾中常常出現(xiàn)明亮鮮艷的色彩和多樣的裝飾元素，日本家庭中也經(jīng)?？梢砸姷锦r艷的色彩，歐洲和南美的的民宿中大多有很多書，中國和斯堪的納維亞則有很多植物， 意大利、印度和巴西的城市有很多藝術(shù)墻。總的來說，不同地區(qū)使用這些裝飾元素的方式不盡相同。 在作者選取的6個美國城市（芝加哥、休斯頓、洛杉磯、紐約、費城、華盛頓特區(qū)）中，他們發(fā)現(xiàn)裝飾元素的選取和使用具有一定社區(qū)群集性，但這種聚集程度并不高。 研究還發(fā)現(xiàn)，裝飾模式與社區(qū)的社會經(jīng)濟狀況無關(guān)，也就是說，無論社區(qū)是否富裕，無論社區(qū)的民族或種族背景是否相同，這些裝飾元素的比率都是接近的。作者進一步對部分具體區(qū)域進行了研究，發(fā)現(xiàn)布魯克林的租賃房屋偏愛藝術(shù)品，而費城的狒獅城社區(qū)則更喜歡用書籍做裝飾。 這項大范圍研究的創(chuàng)新性點在于利用了尖端技術(shù)和大數(shù)據(jù)對人類地理和室內(nèi)設(shè)計中的某種文化現(xiàn)象進行了探究。利用深度學習方法解決藝術(shù)和設(shè)計的問題尚屬于頗為吸引人的前沿研究領(lǐng)域。通過這幾百萬張圖片，作者還能從更多的角度解讀周遭世界。研究人員的下一步計劃是訓練機器學習模型來識別特定的裝飾風格及特定的象征性裝飾物如國旗、運動相關(guān)裝飾品、文化工藝品，甚至可以是最受歡迎的宜家沙發(fā)Klippan，進而探索商品全球化或地域身份認同感中的空間趨向。 EPJ Data Science doi:10.1140/epjds/s13688-019-0182-z
EPJ Data Science covers a broad range of research areas and applications and particularly encourages contributions from techno-socio-economic systems, where it comprises those research lines that now regard the digital “tracks” of human beings as first-order objects for scientific investigation.
