เปรียบเทียบวิธี

	การวิเคราะห์การแพร่กระจายด้วยเครือข่ายเบย์เซียน	Bayesian Exponential Random Graph Model
สาขาวิชา	การวิเคราะห์เครือข่าย	การวิเคราะห์เครือข่าย
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2010s	2011
ผู้ริเริ่ม	Gomez Rodriguez, M.; Leskovec, J.; and related network science community	Caimo, A., & Friel, N.
ประเภท	Probabilistic inference on network spreading processes	Bayesian statistical model for networks
แหล่งต้นตำรับ	Gomez Rodriguez, M., Leskovec, J., & Scholkopf, B. (2012). Structure and Dynamics of Information Pathways in Online Media. Proceedings of the 6th ACM International Conference on Web Search and Data Mining (WSDM), 23–32.	Caimo, A., & Friel, N. (2011). Bayesian inference for exponential random graph models. Social Networks, 33(1), 41–55.
ชื่อเรียกอื่น	Bayesian diffusion model, probabilistic network diffusion, Bayesian spreading process inference, BNDA	Bayesian ERGM, Bayesian p-star model, Bayesian p* model, BERGM
ที่เกี่ยวข้อง	5	4
สรุป	Bayesian Network Diffusion Analysis applies Bayesian probabilistic inference to the study of how information, diseases, behaviors, or innovations propagate through a network. By placing priors over diffusion parameters and updating them with observed cascade data, it quantifies transmission rates, identifies influential spreaders, reconstructs latent propagation pathways, and provides full uncertainty estimates — all within a principled statistical framework.	The Bayesian Exponential Random Graph Model (Bayesian ERGM or BERGM) extends the classical ERGM framework by placing prior distributions over the model parameters and using Markov chain Monte Carlo methods to obtain full posterior distributions. Introduced by Caimo and Friel (2011), it allows researchers to quantify parameter uncertainty and incorporate prior knowledge when modelling the structural features of social and other complex networks.