基于 Wordle 游戏探索词汇难度及其影响因素

May, 2023

基于 Wordle 游戏探索词汇难度及其影响因素

Explore the difficulty of words and its influential attributes based on the Wordle game

Beibei Liu, Yuanfang Zhang, Shiyu Zhang

TL;DR通过使用 Monte Carlo 和 Markov 模拟 Wordle 游戏猜词过程并结合 Lasso 回归和二次规划计算，加上通过因子分析后的词汇属性变量中的相关因素，通过有序 logistic 回归建立难易程度和词汇属性之间的关系，预测词汇难度分布。

Abstract

We adopt the distribution and expectation of guessing times in game wordle as metrics to predict the difficulty of words and explore their influence factors. In order to predictthe difficulty distribution, we use monte

wordle monte carlo markov lasso regression logistic regression

发现论文，激发创造

高稳健性 Wordle 游戏结果预测模型

通过数据分析和机器学习研究 Wordle 的动态，我们发现日期与提交结果数量之间存在相关性，利用 ARIMAX 模型进行数据稳定化预测。我们使用 BP 神经网络预测单词难度，并利用 K-means 聚类对难度进行数值化分类。研究结果提供了基于日期或给定五个字母单词的 Wordle 游戏玩法的预测框架。

Sep, 2023

利用 Wordle 进行学习，设计和比较策略

本文介绍了用概率、统计和信息理论的方法，设计参数化策略来处理 Wordle 等电脑游戏，并探索两个家族参数化策略用于解决 Wordle，并与基准解决方案进行比较得到的结果。

Apr, 2022

利用因子分解机进行个性化游戏难度预测

本文研究了使用因式分解机方法，通过观察玩家尝试次数来实现对游戏难度的个性化估计，并且与基准策略和使用随机森林的个性化预测进行比较，结果表明因式分解机是一种有前途的工具，可以帮助游戏设计师优化玩家体验，并更加深入地了解其玩家和游戏的特征。

Sep, 2022

词汇复杂度预测：概述

本文主要介绍了如何利用计算模型思想来预测英文文本的词汇复杂度，并详细论述了基于传统机器学习分类器和深度神经网络的不同方法，以及相关实验和应用领域如文本简化。

Mar, 2023

利用字母位置概率评估词复杂性

通过使用简单和复杂词汇的样本，研究发现字母位置概率与简单和复杂词汇之间存在强大的统计关联，并创建一个基于字母位置概率的分类器，可以以 83% 的准确率对这两类进行分类。通过对额外数据集的测试，证实了这一发现，最终建立了一个准确率为 97% 的分类器，并用于评分英语课程中的四个级别的单词组。