เปรียบเทียบวิธี

	PageRank แบบเบย์เซียน	การตรวจจับชุมชนแบบเบย์ (Bayesian Community Detection)
สาขาวิชา	การวิเคราะห์เครือข่าย	การวิเคราะห์เครือข่าย
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	1999 (PageRank); 2000s (Bayesian extension)	2001–2014
ผู้ริเริ่ม	Page, L. & Brin, S. (PageRank); Bayesian extension by multiple authors	Nowicki, K. & Snijders, T. A. B. (formal Bayesian framing); extended by Peixoto, T. P.
ประเภท	Probabilistic centrality measure	Probabilistic generative model / inference
แหล่งต้นตำรับ	Page, L., Brin, S., Motwani, R., & Winograd, T. (1999). The PageRank citation ranking: Bringing order to the web. Stanford InfoLab Technical Report.	Peixoto, T. P. (2014). Efficient Monte Carlo and greedy heuristic for the inference of stochastic block models. Physical Review E, 89(1), 012804.
ชื่อเรียกอื่น	Bayesian PR, probabilistic PageRank, uncertainty-aware PageRank, stochastic PageRank	Bayesian graph clustering, probabilistic community detection, Bayesian stochastic block model community detection, Bayesian network partitioning
ที่เกี่ยวข้อง	6	5
สรุป	Bayesian PageRank extends the classic PageRank algorithm by embedding it within a Bayesian probabilistic framework. Instead of returning a single deterministic rank score for each node, it quantifies uncertainty over rank estimates — particularly valuable when the network is incomplete, noisy, or observed with error. It is used in web analysis, citation networks, and social network research where rank uncertainty matters.	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.