পদ্ধতির তুলনা করুন
নির্বাচিত পদ্ধতিগুলো পাশাপাশি পর্যালোচনা করুন; যে সারিগুলোয় পার্থক্য আছে সেগুলো চিহ্নিত করা হয়।
| কালানুক্রমিক জ্ঞান গ্রাফ বিশ্লেষণ× | সময়ী নেটওয়ার্ক বিস্তার বিশ্লেষণ× | |
|---|---|---|
| ক্ষেত্র | নেটওয়ার্ক বিশ্লেষণ | নেটওয়ার্ক বিশ্লেষণ |
| পরিবার | Machine learning | Machine learning |
| উদ্ভবের বছর≠ | 2017–2018 | 2012 |
| প্রবর্তক≠ | Trivedi, R. et al.; Dasgupta, S. S. et al. | Holme, P. & Saramäki, J. |
| ধরন≠ | Temporal graph embedding and reasoning | Network analysis framework |
| মৌলিক উৎস≠ | Trivedi, R., Dai, H., Wang, Y., & Song, L. (2017). Know-Evolve: Deep temporal reasoning for dynamic knowledge graphs. Proceedings of the 34th International Conference on Machine Learning (ICML), pp. 3462–3471. link ↗ | Holme, P. & Saramäki, J. (2012). Temporal networks. Physics Reports, 519(3), 97–125. DOI ↗ |
| অপর নাম | TKG analysis, temporal KG analysis, dynamic knowledge graph analysis, time-aware knowledge graph analysis | TNDA, dynamic network diffusion, time-varying network spreading, diffusion on temporal networks |
| সম্পর্কিত | 5 | 5 |
| সারসংক্ষেপ≠ | Temporal Knowledge Graph Analysis extends standard knowledge graph methods to data where facts and relationships carry timestamps or validity intervals. It enables reasoning about how entities and relations evolve over time, supporting tasks such as link prediction for future facts, temporal relation classification, and event forecasting in dynamic relational data. | Temporal Network Diffusion Analysis studies how information, disease, influence, or other contagions spread through networks whose structure changes over time. By modeling edges as time-stamped contacts rather than static links, it captures the critical role of timing and ordering in determining which nodes get reached, how fast, and through which pathways — producing conclusions that static network models systematically miss. |
| ScholarGateডেটাসেট ↗ |
|
|