เปรียบเทียบวิธี

	การตรวจจับชุมชนแบบเบย์ (Bayesian Community Detection)	การวิเคราะห์เครือข่ายทางสังคม
สาขาวิชา	การวิเคราะห์เครือข่าย	การวิเคราะห์เครือข่าย
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2001–2014	1934 (sociometry); 1994 (modern formalization)
ผู้ริเริ่ม	Nowicki, K. & Snijders, T. A. B. (formal Bayesian framing); extended by Peixoto, T. P.	Moreno, J.L.; formalized by Wasserman & Faust
ประเภท	Probabilistic generative model / inference	Structural/relational analysis framework
แหล่งต้นตำรับ	Peixoto, T. P. (2014). Efficient Monte Carlo and greedy heuristic for the inference of stochastic block models. Physical Review E, 89(1), 012804.	Wasserman, S. & Faust, K. (1994). Social Network Analysis: Methods and Applications. Cambridge University Press. ISBN: 978-0-521-38707-1
ชื่อเรียกอื่น	Bayesian graph clustering, probabilistic community detection, Bayesian stochastic block model community detection, Bayesian network partitioning	SNA, network analysis, sociometric analysis, relational analysis
ที่เกี่ยวข้อง	5	5
สรุป	Bayesian community detection infers latent group structure in networks by treating community membership as unobserved variables and using Bayesian inference — typically via Markov chain Monte Carlo or variational methods — to compute a posterior distribution over all plausible partitions. Unlike modularity optimisation, it selects the number of communities from data and provides principled uncertainty estimates for every node assignment.	Social Network Analysis (SNA) is a structural method that maps and measures relationships and flows between people, groups, organizations, or other entities modeled as nodes connected by ties (edges). Rather than focusing on individual attributes, SNA reveals how the pattern of connections shapes behavior, influence, information flow, and outcomes within a system.