เปรียบเทียบวิธี

	การตรวจจับชุมชนแบบพลวัต	แบบจำลองบล็อกสุ่ม
สาขาวิชา	การวิเคราะห์เครือข่าย	การวิเคราะห์เครือข่าย
ตระกูล	Machine learning	Process / pipeline
ปีกำเนิด	2010 (key formalization); earlier work 2002–2009	1983
ผู้ริเริ่ม	Mucha, P. J. et al. (key formalization); earlier work by Girvan & Newman (2002)	—
ประเภท	Graph clustering / community discovery	Probabilistic generative graph model
แหล่งต้นตำรับ	Mucha, P. J., Richardson, T., Macon, K., Porter, M. A., & Onnela, J.-P. (2010). Community structure in time-dependent, multiscale, and multiplex networks. Science, 328(5980), 876–878.	Holland, P.W., Laskey, K.B. & Leinhardt, S. (1983). Stochastic Blockmodels: First Steps. Social Networks, 5(2), 109-137.
ชื่อเรียกอื่น	DCD, temporal community detection, evolving community detection, dynamic graph clustering	SBM, degree-corrected SBM, DCSBM, Stokastik Blok Modeli (SBM)
ที่เกี่ยวข้อง	5	7
สรุป	Dynamic community detection identifies groups of densely connected nodes in networks that evolve over time, tracking how communities form, merge, split, and dissolve across temporal snapshots. Developed to extend static modularity optimization to time-varying structures, it is widely used in social, biological, and communication network research.	The Stochastic Block Model (SBM), introduced by Holland, Laskey and Leinhardt (1983), is a probabilistic generative model for graphs that assigns nodes to latent blocks and parametrically estimates the connection probabilities between blocks. It is the foundational approach for community detection, core-periphery identification, and hierarchical structure discovery in network analysis.