เปรียบเทียบวิธี

	การตรวจจับชุมชน	การจัดกลุ่มแบบลำดับชั้น
สาขาวิชา	การวิเคราะห์เครือข่าย	การเรียนรู้ของเครื่อง
ตระกูล	Process / pipeline	Machine learning
ปีกำเนิด	2002–2019 (algorithm family)	1963
ผู้ริเริ่ม	Louvain: Blondel et al. (2008); Leiden: Traag et al. (2019); Girvan-Newman: Girvan & Newman (2002); Infomap: Rosvall & Bergstrom (2008)	Ward, J. H.
ประเภท	Graph-partitioning / clustering algorithm family	Unsupervised clustering (agglomerative)
แหล่งต้นตำรับ	Blondel, V.D., Guillaume, J.-L., Lambiotte, R. & Lefebvre, E. (2008). Fast Unfolding of Communities in Large Networks. Journal of Statistical Mechanics, 2008(10), P10008.	Ward, J. H. (1963). Hierarchical Grouping to Optimize an Objective Function. Journal of the American Statistical Association, 58(301), 236–244.
ชื่อเรียกอื่น	graph clustering, network partitioning, Topluluk Tespiti (Louvain, Girvan-Newman, Leiden)	Hiyerarşik Kümeleme, hiyerarşik kümeleme, agglomerative clustering, hierarchical agglomerative clustering
ที่เกี่ยวข้อง	5	4
สรุป	Community detection is a family of graph-partitioning algorithms that discover densely connected sub-groups — communities — within a network. First formalised through the modularity measure by Girvan and Newman (2002), the field advanced rapidly with the Louvain method (Blondel et al., 2008), the Leiden refinement (Traag et al., 2019), and the information-theoretic Infomap approach. All variants answer the same question: which nodes cluster together more tightly among themselves than with the rest of the network?	Hierarchical clustering is an unsupervised method that groups observations into nested clusters and draws the result as a dendrogram, so the number of clusters need not be fixed in advance. Its agglomerative form rests on the objective-function grouping criterion introduced by Joe Ward in 1963.