เปรียบเทียบวิธี

	การตรวจจับชุมชนแบบพลวัต	การวิเคราะห์เครือข่ายเชิงเวลา
สาขาวิชา	การวิเคราะห์เครือข่าย	การวิเคราะห์เครือข่าย
ตระกูล	Machine learning	Process / pipeline
ปีกำเนิด	2010 (key formalization); earlier work 2002–2009	2012
ผู้ริเริ่ม	Mucha, P. J. et al. (key formalization); earlier work by Girvan & Newman (2002)	Holme & Saramäki (2012) — seminal framework
ประเภท	Graph clustering / community discovery	Dynamic graph analysis
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.	Holme, P. & Saramäki, J. (2012). Temporal Networks. Physics Reports, 519(3), 97-125.
ชื่อเรียกอื่น	DCD, temporal community detection, evolving community detection, dynamic graph clustering	dynamic network analysis, time-varying network analysis, Zamansal Ağ Analizi (Temporal / Dynamic Networks)
ที่เกี่ยวข้อง	5	3
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 network analysis, formalised by Holme and Saramäki in their landmark 2012 Physics Reports survey, is the study of networks in which edges appear and disappear over time. Rather than collapsing all contacts into a single static graph, the approach preserves the precise timing of interactions — whether as contact sequences, time-stamped event lists, or windowed snapshots — and uses that timing to track how influence, disease, or information can actually propagate through the system.