就像生態系統一樣，網絡服務形成了一個復雜的人工系統，包括標簽和與之相關的用戶生成的媒體，如照片，電影和網頁。在生物和人工生態系統之間進行類比時，標簽可以被視為物種和人類用戶的隱藏環境資源。

基于這一想法，東京大學和筑波大學的研究人員最近開展了一項研究，旨在分析網絡服務的發展，特別是社交媒體標簽系統，重點關注新標簽的自組織。他們在arXiv上發表的論文認為，社交媒體平臺上的一些標簽提供了一個開放式演化(OEE)的例子，它需要創建真正開放式的計算進化過程。

“我的工作的一個關鍵目標是了解生命是什么，人工系統如何變得生物化，以及如何將人工生命的概念發展為新技術，”開展這項研究的研究人員Takashi Ikegami告訴TechXplore。“人工生命(ALIFE)是一個研究領域，旨在了解生命，而不是基于DNA和細胞的東西，而是作為新興現象.ALIFE展示了DNA和細胞如何被其他東西取代，例如計算機程序，化學網絡和機器人。基于這個想法，在本文中，我們想要表明網絡正在成為一個生命系統。“

根據池上和他的同事們的說法，分析網絡系統的動態最終有助于重新塑造和更新達爾文的進化論。ALIFE研究人員感興趣的主要話題之一是開放式進化(OEE)，特別是導致它的原因，以及它如何應用于計算人工系統。

在他們的研究中，研究人員檢查了標簽數據及其相關的用戶社區，以便了解如何衡量網絡服務的OEE。根據池上的說法，新標簽的發展是網絡演變的關鍵指標。其他指標包括標簽集的新穎組合，標簽的含義/語義的發展以及用戶社區結構的改進。

“即使沒有新標簽，也可以開發現有標簽的組合，”池上說。“這是一個允許我們測量數據中新對的生產率的想法。為了量化標簽的含義，我們與標簽同時使用了一組標簽。我們發現了意義，一組共同使用的標簽，隨著時間的推移在數據集中發生變化。“

在RoomClip上標記用戶相似性網絡的新穎率(上部列)和社區結構(下部列)。每個節點都是用戶，如果dJS從左到右小于閾值0.4,0.35,0.3和0.25，則連接。前四位數字顯示了個人用彩色創建的標簽數量; 從藍色變為黃色到紅色意味著他們創造了更多的單詞。最下面的四個數字顯示了每個網絡中檢測到的社區結構。在這些圖中，隔離的用戶(在外圍設備中)以高速率創建新穎的標簽。圖片來源：Ikegami等。

在他們的研究中，Ikegami和他的同事通過引入用戶之間的“距離”概念來衡量用戶社區的結構。他們分析了用戶隨著時間的推移成熟的社區，重點關注三種Web服務：Delicious，Flickr和RoomClip。

“我們研究的一個重要發現是，我們可以描述標簽含義的演變，并在我們使用的網絡數據集中找到OEE的例子，”Ikegami說。“另一個有趣的結果是，我們能夠描述Web服務中標簽的新穎率。最后，我們還可以同時描述用戶社區的演變。”

Ikegami及其同事進行的分析結果表明，在線社區中使用的一些流行標簽可以表現出OEE，因為它們在語義上與其他標簽集合融合。研究人員觀察到的OEE動態有兩個不同的層次：Web服務的社交標記系統和人類社區在線發布標記。雖然需要進一步的分析來確認他們的發現，但他們認為他們所觀察到的與Ackley對OEE無限可擴展性的定義相對應，這突出了OEE應該“支持開放式計算增長而不需要大量工程”。

將團隊收集的結果與當前對生物進化的理解進行比較，可以將一組標簽視為基因型，并將相關照片或媒體視為表型。這種表型的特征在于標簽的組合，而標簽轉移到他們研究中報告的新的相關標簽或標簽組可以被解釋為新的“物種” 的出現。

總的來說，Ikegami和他的同事們觀察了流行標簽不斷發展的情況，導致不斷創建新標簽，作為OEE的證據。他們的研究為如何衡量社會意義的演變提供了有趣的見解。他們的研究結果還表明，這種演變可能與社區結構的變化有關。

“我們現在正計劃研究社區結構如何隨時間變化以及這與意義的演變有何關聯，反之亦然，”池上說。“與此同時，我們希望建立一個理論模型來捕捉我們在這項研究中發現的新品質。”