เปรียบเทียบวิธี

	การตรวจจับชุมชนแบบเบย์ (Bayesian Community Detection)	แบบจำลองบล็อกสุ่ม
สาขาวิชา	การวิเคราะห์เครือข่าย	การวิเคราะห์เครือข่าย
ตระกูล	Machine learning	Process / pipeline
ปีกำเนิด	2001–2014	1983
ผู้ริเริ่ม	Nowicki, K. & Snijders, T. A. B. (formal Bayesian framing); extended by Peixoto, T. P.	—
ประเภท	Probabilistic generative model / inference	Probabilistic generative graph model
แหล่งต้นตำรับ	Peixoto, T. P. (2014). Efficient Monte Carlo and greedy heuristic for the inference of stochastic block models. Physical Review E, 89(1), 012804.	Holland, P.W., Laskey, K.B. & Leinhardt, S. (1983). Stochastic Blockmodels: First Steps. Social Networks, 5(2), 109-137.
ชื่อเรียกอื่น	Bayesian graph clustering, probabilistic community detection, Bayesian stochastic block model community detection, Bayesian network partitioning	SBM, degree-corrected SBM, DCSBM, Stokastik Blok Modeli (SBM)
ที่เกี่ยวข้อง	5	7
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.	The Stochastic Block Model (SBM), introduced by Holland, Laskey and Leinhardt (1983), is a probabilistic generative model for graphs that assigns nodes to latent blocks and parametrically estimates the connection probabilities between blocks. It is the foundational approach for community detection, core-periphery identification, and hierarchical structure discovery in network analysis.