機器學習可預測戀愛關系中的滿意度

西方大學領導的國際研究小組發現，關系成功的最可靠預測指標是伴侶相信對方完全有責任。這項研究說，成功建立關系的其他重要因素包括對伴侶的親近，欣賞和對伴侶的性滿足感，這是使用機器學習算法預測人們對關系的滿意度的首次系統性嘗試。

西方心理學教授薩曼莎·喬爾(Samantha Joel)表示：“對戀愛關系的滿意對健康，福祉和工作效率具有重要意義。” “但是對關系質量的預測指標的研究通常在范圍和規模上受到限制，并且是在各個實驗室中分別進行的。”

這項由喬爾(Joel)，加利福尼亞大學戴維斯分校(University of California)戴維斯分校(Paul Eastwick)和來自世界各地的84位學者進行的大規模機器學習研究，深入研究了超過11,000對夫婦和43個不同的自我報告的浪漫情侶數據集。

這項由美國國家科學院院刊發表的廣泛研究為這個長期存在的問題提供了臨時答案：“什么能預示我將與我的伴侶取得多快樂?” 喬爾使用機器學習(一種人工智能(AI)的應用)梳理了巨大的預測指標組合，以求找到關系滿意度最強大，最可靠的預測指標，這遠遠超出了單個研究人員一生所希望進行的分析。

根據這項研究，特定于關系的預測因素，例如“感知到的伴侶承諾”，“欣賞”和“性滿意度”，占了關系質量差異的近一半。

描述伴侶而不是關系的個人特征可以解釋21%的關系質量差異。對關系質量具有最強預測力的前五個個人特征是“對生活的滿意度”，“負面影響”，“抑郁”，“回避依戀”和“焦慮依戀”。

喬爾說：“特定于關系的變量的預測性是個體差異的兩倍至三倍，我認為這符合許多人的直覺。” “但是令人驚訝的是，一旦掌握了所有特定于關系的數據，個人差異就會淡出背景。”

用建模模擬的術語來說，個體差異似乎并不能調節或緩和特定于關系的變量。

伊斯特威克說：“一旦我知道'當我和你在一起時我是誰，'我是誰'就沒什么大不了了。”

喬爾(Joel)表示，她感到驚訝的是，這項研究表明，一個伴侶的個體差異預測因子(例如生活滿意度，沮喪或愉快程度)僅說明了另一伴侶的關系滿意度方差的5%。

喬爾說：“換句話說，伴侶對自己的自我陳述的特征并不能很好地說明人際關系的滿意度。”

但是，這并不一定意味著一個人選擇浪漫伴侶并不重要。

喬爾補充說：“合作伙伴可能有助于塑造特定于關系的過程，例如沖突，親密關系和感知到的合作伙伴承諾，這對于保持關系至關重要。”

這種大規模的機器學習方法為關系科學領域的進一步研究提供了有價值的模型。