เปรียบเทียบวิธี

	การวิเคราะห์เครือข่ายเชิงเวลาแบบเบย์เซียน	การวิเคราะห์เครือข่ายหลายชั้นตามเวลา
สาขาวิชา	การวิเคราะห์เครือข่าย	การวิเคราะห์เครือข่าย
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2010s	2012–2014
ผู้ริเริ่ม	Hanneke, S.; Fu, W.; Xing, E. P. (among key contributors)	Kivela, M. et al.; Holme, P. & Saramaki, J.
ประเภท	Probabilistic generative model	Network analysis framework
แหล่งต้นตำรับ	Hanneke, S., Fu, W., & Xing, E. P. (2010). Discrete temporal models of social networks. Electronic Journal of Statistics, 4, 585–605.	Kivela, M., Arenas, A., Barthelemy, M., Gleeson, J. P., Moreno, Y., & Porter, M. A. (2014). Multilayer networks. Journal of Complex Networks, 2(3), 203–271.
ชื่อเรียกอื่น	Bayesian dynamic network analysis, Bayesian time-varying network model, BTNA, Bayesian longitudinal network analysis	MTNA, temporal multilayer network analysis, time-varying multilayer network analysis, dynamic multilayer network analysis
ที่เกี่ยวข้อง	4	4
สรุป	Bayesian temporal network analysis combines probabilistic Bayesian inference with time-ordered relational data to model how network structures evolve, quantify uncertainty around structural estimates, and make principled predictions about future connectivity patterns. It provides credible intervals on edge probabilities and community assignments rather than bare point estimates.	Multilayer temporal network analysis studies relational systems in which nodes interact through multiple distinct types of ties that all evolve over time. By modeling each relationship type as a separate layer and tracking how those layers change across time snapshots, the method reveals how cross-layer dynamics and temporal patterns jointly shape information flow, influence spread, and community structure.