[论文解读] 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 17

一句话总结

Dr.Fill 是一款高性能纵横字谜求解器，它将美式纵横字谜重新建模为单一加权约束满足问题（CSP）。它采用新颖的变量和取值选择启发式方法，使用有限差异搜索的变体，以及后处理技术，实现了具有竞争力的性能——在全球美式纵横字谜锦标赛中排名前50名。

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.

研究动机与目标

• 开发一种稳健且高性能的美式纵横字谜求解器，使其在真实竞赛环境中优于现有系统。
• 解决线索不完整或模糊的纵横字谜挑战，通过将其建模为单一加权CSP。
• 设计并实现新颖的搜索技术，以提高求解效率和准确性，且不依赖分支定界方法。
• 集成后处理和划分策略，以提升求解质量与可扩展性。
• 通过在美式纵横字谜锦标赛中实际纵横字谜上的实证评估，证明系统的实际有效性。

提出的方法

• 将每个纵横字谜转换为单一加权约束满足问题（CSP），其中线索和交叉字母定义约束。
• 在搜索过程中应用自定义的变量和取值选择启发式方法，优先选择高影响力的选择以减少搜索空间。
• 使用有限差异搜索的变体，探索有希望的解路径，同时保持完备性并避免穷举回溯。
• 采用后处理和划分技术，以优化解并提高交叉条目之间的一致性。
• 排除分支定界方法，因其与后处理不兼容，且在实验中表现效率低下。
• 利用加权评分系统，从多个候选解中筛选并选择最合理的解。

实验结果

研究问题

• RQ1 如何有效适应约束满足框架，以建模美式纵横字谜的结构和模糊性？
• RQ2 哪些搜索启发式方法和策略能在求解真实纵横字谜时实现最高的解的准确率和效率？
• RQ3 后处理和划分技术是否能显著提升解的质量，超越标准CSP求解？
• RQ4 为何分支定界在此情境下无效？有哪些替代方法能提供更好的性能？
• RQ5 该系统在竞赛环境中的表现与人类专家及其他自动化求解器相比，达到何种程度？

主要发现

• Dr.Fill 实现了具有竞争力的性能，在美式纵横字谜锦标赛的结果基础上，全球排名进入前50名。
• 后处理和划分技术显著提升了系统性能，使解的质量在初始搜索结果基础上得到优化。
• 结合自定义启发式方法的有限差异搜索，在速度和解的准确率方面均优于传统的分支定界方法。
• 实验验证了排除分支定界方法的合理性，因其与后处理不兼容，且实际性能增益微乎其微。
• 该求解器通过加权CSP建模，成功处理了包含模糊线索和部分信息的真实纵横字谜。
• 该方法在多种不同类型的谜题和难度级别下，展现出强大的泛化能力和鲁棒性。