Prediction Model For Wordle Game Results With High Robustness

要約

この研究では、データ分析と機械学習を使用して Wordle のダイナミクスを詳しく調べます。
私たちの分析は当初、日付と提出された結果の数の間の相関関係に焦点を当てていました。
初期の人気バイアスのため、係数値 9、0、2、および平日/週末を外生変数とする ARIMAX モデルを使用して安定したデータをモデル化しました。
単語の属性とハード モードの結果の間に有意な関係は見つかりませんでした。
単語の難易度を予測するために、バックプロパゲーション ニューラル ネットワークを採用し、特徴量エンジニアリングによって過剰適合を克服しました。
また、単語の難易度を数値的に分類するために、5 つのクラスターで最適化された K 平均法クラスタリングも使用しました。
私たちの調査結果によると、2023 年 3 月 1 日に約 12,884 件の結果が送信され、「不気味」という単語は平均 4.8 回の試行で、最も難しい難易度のクラスターに分類されます。
さらに、忠実なプレイヤーの割合と、彼らが毎日の課題に取り組む傾向を調査しました。
当社のモデルは、ADF、ACF、PACF テスト、相互検証などの厳密な感度分析を受け、その堅牢性が確認されました。
全体として、私たちの研究は、日付または特定の 5 文字の単語に基づいて Wordle ゲームプレイの予測フレームワークを提供します。
結果は要約され、ニューヨーク・タイムズのパズル編集者に提出されました。

要約(オリジナル)

In this study, we delve into the dynamics of Wordle using data analysis and machine learning. Our analysis initially focused on the correlation between the date and the number of submitted results. Due to initial popularity bias, we modeled stable data using an ARIMAX model with coefficient values of 9, 0, 2, and weekdays/weekends as the exogenous variable. We found no significant relationship between word attributes and hard mode results. To predict word difficulty, we employed a Backpropagation Neural Network, overcoming overfitting via feature engineering. We also used K-means clustering, optimized at five clusters, to categorize word difficulty numerically. Our findings indicate that on March 1st, 2023, around 12,884 results will be submitted and the word ‘eerie’ averages 4.8 attempts, falling into the hardest difficulty cluster. We further examined the percentage of loyal players and their propensity to undertake daily challenges. Our models underwent rigorous sensitivity analyses, including ADF, ACF, PACF tests, and cross-validation, confirming their robustness. Overall, our study provides a predictive framework for Wordle gameplay based on date or a given five-letter word. Results have been summarized and submitted to the Puzzle Editor of the New York Times.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google