HappyDB :) 幸せな瞬間データベース
突然ですが、この１日の間で、幸せだと感じた瞬間ってありますか？
日本語で「幸せ」と言うとやや仰々しい感じがするので、
この１日の間で、良かったことってありますか？
という質問と捉えてもらってよいと思います。
この質問に対する回答を集めたデータベースが「HappyDB」です。
その数なんと、100,000個、です！
少し前にこのHappyDBの存在を知り、とても興味深く感じたので、簡単に紹介したいと思います。
なお、本記事は、"HappyDB: A Corpus of 100,000 Crowdsourced Happy Moments" (Asai, et al., 2018)を基に作成した記事になります。
（本記事は私の解釈も含まれますので、詳細や正確な内容は原著をお読みいただければ幸いです。）
HappyDBとは？
本題に入る前に、最初に簡単にまとめておきます。
「HappyDB」は、リクルートのAI研究所 Megagon Labsが2017年に作成した、「幸せな瞬間」（"Happy Moment"）の記述文を集めたデータセットです。言語は英語です。
クラウドソーシングサービスAmazon Mechanical Turkを使用して、10,843名の人に、24時間／3ヶ月の間にあった「幸せな瞬間」を記述してもらったもので、合計100,922個にも及ぶ「幸せな瞬間」の記述文が含まれています。
・【データ収集期間】 2017/3/28 〜 2017/6/16（約3ヶ月）
・【サンプル数】 100,922 個
・【データ収集の協力者数】 10,843 名
・【協力者の年齢層】 10代〜80代（ただし、20〜30代で約8割）
・【使用されている全単語数（英語）】 38,188 個
・【１サンプルの平均単語数（英語）】 19.66 個
記述文の例
My son gave me a big hug in the morning when I woke him up.
（今朝、息子を起こすと、ギューっとハグをしてくれた。）
I finally managed to make 40 pushups.
（ついに40回の腕立て伏せが出来るようになった。）
I had dinner with my husband.
（夫とディナーを食べたこと。）
Morning started with the chirping of birds and the pleasant sun rays.
（鳥のさえずりと心地よい日の光で朝が始まりまったこと。）
本データベースの用途としては、
①「幸せな瞬間」やその構成要素（行動や出来事）そのものに関する分析
②「幸せな瞬間」を記述する言語表現に関する分析
の、大きく二つがあります。
まだまだ謎多き「Wellbeing」や「幸福」そのものに関する知見の進化や、ヘルスケア・メンタルケア分野へのテクノロジー応用の加速の可能性を秘めているデータベース。ワクワクしてきますね。
なお、GitHubやKaggleで公開されており、ダウンロードできます。
▶︎ GitHub - megagonlabs/HappyDB
▶︎ Kaggle - HappyDB
（ライセンスについて、Kaggleのページには"CC0: Public Domain"と記載があります。ただ、Megagon Labsの公式ページやGitHubには特に記載がはありませんでした。）
データベース作成の背景
「ポジティブ心理学」という学問分野があります。
従来の心理学は、治療的な側面が強く、主にメンタルの不調を研究対象としていました。一方で、ポジティブ心理学では、より広い範囲の人を対象に、Wellbeing（よく生きる）やその向上策の研究がなされています。
エド・ディーナー氏によると、人間の幸福度のうち、50%は遺伝で、10%は生活環境で決まるものの、残る40%は「行動」によって決まるとのことです。行動は自分で制御可能であり、これはすなわち、幸福度の約半分は自分自身で制御可能、ということです。
実際、ポジティブ心理学の研究によって、行動がWellbeingに影響を与えることが確認されています。
ポジティブ心理学のよく知られた手法に「３つのよいこと」（英語では、"Three Good Things"や"What Went Well"）があります。これは「毎日寝る前に、その日あった良かったこと３つを書き出す」というものなのですが、セリグマンらは、これを１週間取り組むことで、Wellbeingの向上や抑うつの軽減が見られることを示しました。
こうした流れもあり、近年では、ユーザのWellbeing向上をサポートするようなアプリケーションやテクノロジーの開発に注目が集まっています。
その一方で、文章から、何にその人は幸せを感じているのか、誰がそれに関わっているか、といった情報を解析することには、複数の技術的な課題が存在するとのことです。
そこで、これらの課題解決に関する研究を促進するために、HappyDBを作成し公開した、とのことでした。
HappyDBの分析で見えてくるもの
ここからは、HappyDBを分析することで見えてくることを、3つ紹介します。
この3つは、わかりやすかったものをピックアップしたものです。原著論文には他の分析も載っていますので、興味のある方はぜひ読んでみてください。
(1) 9つのトピック
著者らは、幸せの瞬間の記述文に出現するトピックを、以下の9つに分類しました。
HappyDB内の、9つのトピック
“people”（人）
“family”（家族）※ "people"の部分集合
“pets”（ペット）
“work”（仕事）
“food”（食）
“exercise”（運動）
“shopping”（買い物）
“school”（学校）
“entertainment”（娯楽）
各トピックに特有の単語を抽出した辞書を作成しており、それを用いることで、ある記述文がどのトピックに該当するのかを特定します。
例えば、「愛犬とジョギングをした」という文章は、「犬」「ジョギング」というキーワードから、"pets"、"exercise"のトピックと特定されます。（このように、一つの記述文に複数のトピックが該当するものもあれば、いずれにも該当しない記述文もあります。）
この方法によって、HappyDBの全てのサンプルのトピックを特定した結果が、以下の表です。左側の数字（"% of Sentences in Topic"）が、全サンプルのうちそのトピックに該当した割合を示しています。
やはり、人（"people"）が、大きな割合を占めていますね。その中でも、家族（"family"）が半数以上を占めています。
また、自分自身で「３つのよいこと」を実施した際には、仕事や食事に関わることが結構メインだったので、食（"food"）や仕事（"work"）が次いで上位にあるのは納得感があります。
一つ以外だったのは、該当なし（"none"）が20%、という点で、意外に多いなと感じました。「ズボンのポケットに$100見つけた」とか「道路が全く渋滞していなかった」といったものが含まれるようです。
(2) 24時間 と 3ヶ月 の違い
HappyDBの「幸せな瞬間」には、過去に遡る時間が「24時間」のものと「3ヶ月」のものがあります。サンプル数としては、ほぼ同数です。
これら2つの間で、記述内容に違いがあるのかを、
① 9トピックの分布
② 単語の発生頻度
という観点で比較しています。
① 9トピックの分布の差分は、以下の表の通りです。
"people"や"family"といった「人」に関するトピックは、3ヶ月の方がより多く出現するようになっていますね。また、"food"や"entertainment"といった、毎日発生する類のトピックは、24時間の方がより大きい割合を占めています。
"work"が、2つでほとんど同じ割合なのは何故だろう…と若干気になりました。仕事には、短期のものと長期のものが混在するからでしょうか。
② 単語の発生頻度に関する分析は、いずれか一方での発生頻度の多い単語を抽出する、というもので、以下のような結果になっています。
割と納得感がある結果かなと思います。（個人的には、「親権」に存在感を感じたのと、「悲しみ」はどういう文脈で出てきたのか…と少し気になりました。）
24時間で、より高頻度
bedtime（ベッドタイム） / custard（カスタード） / spoon（スプーン） / burittos（ブリトス） / nachos（ナチョス） / opener（栓抜き）
3ヶ月で、より高頻度
valentine（バレンタイン） / scenario（シナリオ） / sorrow（悲しみ） / gender（ジェンダー） / thousand（1,000） / custody（親権）
(3) 幸せな瞬間の7カテゴリー
著者らは、「幸せな瞬間」のカテゴリーを以下の7つ定義し、約15,000サンプルに対して人手によるラベル付けを行っています。
Achievement（達成）
Affection（家族やペットとの愛）
Bonding（人との繋がり）
Enjoy the moment（楽しい時間）
Excercise（運動、エクササイズ）
Leisure（趣味、娯楽）
Nature（自然を感じる）
人手でのラベル付けは、各サンプルに対して、5人がラベル付けを行い、3人以上でラベルが一致したもののみを採用する、という形で実施したとのことです。
さらに、そのラベルを教師データとして、機械学習を実施しています。具体的には、シンプルな方式（Bag of Words + ロジスティック回帰）を用いて、文章分類モデルを作成しています。
以下の表がその結果で、①各カテゴリー毎の精度と、②24時間／3ヶ月のサンプルに対するカテゴリーの分布、を示しています。
精度に関して、"Enjoy the moment"の精度は若干いまいちですが、全体的にはある程度の精度が得られており、何かしらのアプリケーションにつながりそうな期待を個人的には持ちました。
24時間と3ヶ月の比較に関しては、上述の(2)の9トピックでの結果と近しいように感じます。
個人的に気になったのは、"Achievement"の割合です。"Achievement"（達成）と聞くと、"work"（仕事）を連想したのですが、"Achievement"が約３割な一方で、"work"は約１割なので、人やペットとの関係や、食事、買い物に関わるものも含まれているのかもしれないと思いました。
なお、この正解ラベルと推定ラベルはいずれも、冒頭で示したダウンロード可能なデータ内に含まれています。
おわりに
10,000人の、100,000個の「幸せな瞬間」を集めたデータベース「HappyDB」について、私なりにまとめて、紹介してみました。
トピックやカテゴリーの分布など、全体的な傾向を概観してみましたが、いかがだったでしょうか？意外に感じた部分や、気になった部分などありましたでしょうか？
データベースには（当然ながら）全ての記述文が含まれていますので、１つ１つのサンプルについて見ていくのも面白そうですね。
興味を持っていただいたり、何か参考になる部分がありましたら嬉しいです。
また機会を見て、関連する研究やサービス、関連するデータベース等について調べ、noteに投稿したいなと思っています。
最後までお読みいただき、ありがとうございました！
おまけ（宣伝）
noteにて、本記事の「幸せな瞬間」に関連した記事を投稿しています。
「寝る前に、その日あった良かったことを、３つ書く」という「３つのよいこと」について、やり方や効果を解説した記事と、実際に１週間取り組んだ結果と感想を書いた記事、の２つです。
もしよろしければ、お読みいただけると大変嬉しいです m(_ _)m
参考文献
この記事が気に入ったらサポートをしてみませんか？