เปรียบเทียบวิธี

	การวิเคราะห์การแพร่กระจายในเครือข่ายแบบมีทิศทาง	การวิเคราะห์เครือข่ายทางสังคม
สาขาวิชา	การวิเคราะห์เครือข่าย	การวิเคราะห์เครือข่าย
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2003 (influence maximization formalization); epidemic models traced to Kermack & McKendrick, 1927	1934 (sociometry); 1994 (modern formalization)
ผู้ริเริ่ม	Kempe, D.; Kleinberg, J.; Tardos, E. (influence maximization); Pastor-Satorras, R. et al. (epidemic spreading)	Moreno, J.L.; formalized by Wasserman & Faust
ประเภท	Network spreading and cascade analysis	Structural/relational analysis framework
แหล่งต้นตำรับ	Kempe, D., Kleinberg, J., & Tardos, E. (2003). Maximizing the spread of influence through a social network. Proceedings of the 9th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 137–146.	Wasserman, S. & Faust, K. (1994). Social Network Analysis: Methods and Applications. Cambridge University Press. ISBN: 978-0-521-38707-1
ชื่อเรียกอื่น	directed diffusion model, information spreading on directed networks, directed cascade analysis, directed influence propagation	SNA, network analysis, sociometric analysis, relational analysis
ที่เกี่ยวข้อง	6	5
สรุป	Directed network diffusion analysis studies how information, disease, behavior, or influence spreads through a network in which edges carry direction — meaning transmission flows one way along each link. It combines graph-theoretic representations with stochastic spreading models such as independent cascade, linear threshold, or SIR/SIS, and is central to influence maximization, epidemic forecasting, and information propagation research.	Social Network Analysis (SNA) is a structural method that maps and measures relationships and flows between people, groups, organizations, or other entities modeled as nodes connected by ties (edges). Rather than focusing on individual attributes, SNA reveals how the pattern of connections shapes behavior, influence, information flow, and outcomes within a system.