Automatically Detecting Amusing Games in Wordle

📄 arXiv: 2506.05415v1 📥 PDF

作者: Ronaldo Luo, Gary Liang, Cindy Liu, Adam Kabbara, Minahil Bakhtawar, Kina Kim, Michael Guerzhoy

分类: cs.CL

发布日期: 2025-06-04

备注: Accepted to the Intenational Conference on Computational Creeativity (ICCC) 2025

💡 一句话要点

提出自动化预测Wordle游戏趣味性的模型

🎯 匹配领域: 支柱六：视频提取与匹配 (Video Extraction)

关键词: Wordle游戏 趣味性预测 用户反应分析 GPT-3.5 特征提取 社交媒体 自动化模型

📋 核心要点

  1. 核心问题：现有方法在预测用户对Wordle游戏趣味性方面存在不足，缺乏有效的特征提取与分析手段。
  2. 方法要点：论文通过GPT-3.5对用户反应进行分类，并提取相关特征来预测趣味性，提供了一种新的视角。
  3. 实验或效果：研究表明，提取的特征能够在一定程度上预测用户的趣味性，验证了趣味性与创造力的可测量性。

📝 摘要（中文）

本研究探讨了如何自动预测Reddit用户对Wordle游戏的趣味性。我们从Reddit抓取了约8万条用户对Wordle游戏的反应，并利用OpenAI的GPT-3.5进行少量示例提示，将反应分类为表达趣味性或非趣味性。验证结果显示，GPT-3.5的标签与人类标签大致相符。我们提取了能够预测用户趣味性的Wordle游戏特征，结果表明这些特征确实提供了一个（微弱的）信号来预测用户的趣味性。这表明用户对Wordle游戏的趣味性在一定程度上是可以通过计算方式预测的，并探讨了哪些游戏特征对用户趣味性有贡献。

🔬 方法详解

问题定义：本研究旨在解决如何自动预测用户对Wordle游戏的趣味性的问题。现有方法缺乏有效的特征提取和分析，导致趣味性预测的准确性不足。

核心思路：论文的核心思路是利用GPT-3.5进行用户反应的分类，并基于此提取特征，构建预测模型。通过这种方式，能够更好地捕捉用户对游戏的趣味性反应。

技术框架：整体架构包括数据抓取、反应分类、特征提取和模型训练四个主要模块。首先从Reddit抓取用户反应，然后使用GPT-3.5进行分类，接着提取特征，最后训练预测模型。

关键创新：本研究的关键创新在于使用GPT-3.5进行用户反应的分类，并结合特征提取来预测趣味性，这与传统方法的人工标注和特征选择有本质区别。

关键设计：在技术细节上，使用了少量示例提示的方式来优化GPT-3.5的分类效果，特征提取过程中关注了游戏的多种维度，如难度、字母组合等，确保模型的有效性。

📊 实验亮点

实验结果显示，提取的特征能够在一定程度上预测用户的趣味性，GPT-3.5的分类准确率与人类标注相近，验证了模型的有效性。尽管预测信号较弱，但仍为趣味性分析提供了新的思路。

🎯 应用场景

该研究的潜在应用领域包括游戏设计、用户体验优化和社交媒体分析。通过自动化预测用户的趣味性，游戏开发者可以更好地调整游戏内容，以提高用户的参与度和满意度。此外，该方法也可用于分析其他类型的用户生成内容，具有广泛的实际价值和未来影响。

📄 摘要（原文）

We explore automatically predicting which Wordle games Reddit users find amusing. We scrape approximately 80k reactions by Reddit users to Wordle games from Reddit, classify the reactions as expressing amusement or not using OpenAI's GPT-3.5 using few-shot prompting, and verify that GPT-3.5's labels roughly correspond to human labels. We then extract features from Wordle games that can predict user amusement. We demonstrate that the features indeed provide a (weak) signal that predicts user amusement as predicted by GPT-3.5. Our results indicate that user amusement at Wordle games can be predicted computationally to some extent. We explore which features of the game contribute to user amusement. We find that user amusement is predictable, indicating a measurable aspect of creativity infused into Wordle games through humor.