[論文レビュー] Dr.Fill: Crosswords and an Implemented Solver for Singly Weighted CSPs

Matthew L. Ginsberg|arXiv (Cornell University)|Jan 18, 2014

Artificial Intelligence in Games参考文献 29被引用数 17

ひとこと要約

Dr.Fill は、アメリカ式クロスワードパズルを単一重み付き制約充足問題（CSP）として再定式化することで、高パフォーマンスなクロスワードソルバーである。変数選択および値選択のための新規ヒューリスティクス、限界ずれ探索の変種、および後処理技術を採用し、競技大会で上位50位以内の実績を達成する。

ABSTRACT

We describe Dr.Fill, a program that solves American-style crossword puzzles. From a technical perspective, Dr.Fill works by converting crosswords to weighted CSPs, and then using a variety of novel techniques to find a solution. These techniques include generally applicable heuristics for variable and value selection, a variant of limited discrepancy search, and postprocessing and partitioning ideas. Branch and bound is not used, as it was incompatible with postprocessing and was determined experimentally to be of little practical value. Dr.Fillls performance on crosswords from the American Crossword Puzzle Tournament suggests that it ranks among the top fifty or so crossword solvers in the world.

研究の動機と目的

• 実際の競技会環境において、既存のシステムを上回る性能を発揮する、強固で高パフォーマンスなアメリカ式クロスワードソルバーを開発すること。
• 不完全または曖昧なヒントを含むクロスワードを、単一重み付きCSPとしてモデル化することで、その課題に取り組むこと。
• 分枝限定法に依存せずに、解の効率性と正確性を向上させる新規探索手法を設計・実装すること。
• 解の品質とスケーラビリティを向上させるための後処理および分割戦略を統合すること。
• アメリカクロスワードパズルコンテストの実際のパズルを用いた実証的評価を通じて、実用的効果を示すこと。

提案手法

• 各クロスワードパズルを、ヒントと交差する文字が制約を定義する単一重み付き制約充足問題（CSP）に変換する。
• 探索中に、影響度の高い選択を優先し、探索空間を縮小するためのカスタムヒューリスティクスを用いて変数および値を選択する。
• 有望な解路線を探索しながら完全性を保ち、全般的なバックトラッキングを回避するため、限界ずれ探索の変種を用いる。
• 解の精錬と交差エントリ間の一貫性の向上を図るために、後処理および分割技術を適用する。
• 分枝限定法は、後処理との不適合および実際の実験的非効率性のため、除外されている。
• 複数の候補解の中から最も妥当性の高い解を順位付け・選択するために、重み付きスコアリングシステムを活用する。

実験結果

リサーチクエスチョン

• RQ1 制約充足フレームワークを、アメリカ式クロスワードの構造的特徴と曖昧性に効果的に適合させるにはどうすればよいか？
• RQ2 実世界のクロスワードを解く際に、最高の解の正確性と効率性を実現する探索ヒューリスティクスおよび戦略は何か？
• RQ3 後処理および分割技術は、標準的なCSP解法を上回る解の品質を著しく向上させ得るか？
• RQ4 分枝限定法がこの文脈で無効である理由は何か？また、より優れたパフォーマンスを提供する代替手法は何か？
• RQ5 このシステムの性能は、人間の専門家および他の自動ソルバーと比較して、競技会環境でどの程度優れているか？

主な発見

• Dr.Fill は、アメリカクロスワードパズルコンテストの結果に基づき、世界で上位50位以内の競争的パフォーマンスを達成している。
• 後処理および分割により、初期の探索結果を上回る解の品質が著しく向上している。
• カスタムヒューリスティクスを用いた限界ずれ探索は、速度および解の正確性の両面で、従来の分枝限定法を上回っている。
• 分枝限定法の除外は、後処理との不適合および最小限のパフォーマンス向上という点で、実験的に有益であると確認された。
• 重み付きCSPモデルを活用することで、曖昧なヒントや部分的な情報を持つ実世界のクロスワードパズルを効果的に処理している。
• 本アプローチは、多様なパズルタイプおよび難易度レベルにわたり、優れた一般化能力と頑健性を示している。