เปรียบเทียบวิธี

	การตรวจจับชุมชนแบบพลวัต	การตรวจจับชุมชนเชิงเวลา
สาขาวิชา	การวิเคราะห์เครือข่าย	การวิเคราะห์เครือข่าย
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2010 (key formalization); earlier work 2002–2009	2010
ผู้ริเริ่ม	Mucha, P. J. et al. (key formalization); earlier work by Girvan & Newman (2002)	Mucha, P. J. et al.
ประเภท	Graph clustering / community discovery	Network clustering algorithm
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.	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.
ชื่อเรียกอื่น	DCD, temporal community detection, evolving community detection, dynamic graph clustering	dynamic community detection, time-varying community detection, evolutionary community detection, longitudinal community detection
ที่เกี่ยวข้อง	5	6
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.	Temporal community detection identifies cohesive groups (communities) in networks whose structure changes over time. By treating each time snapshot as a network layer and coupling consecutive layers, it reveals how communities form, merge, split, grow, or dissolve — turning a sequence of static snapshots into a continuous narrative of group evolution.