เปรียบเทียบวิธี

	แบบจำลองบล็อกสุ่ม	โครงข่ายประสาทเทียมกราฟ
สาขาวิชา	การวิเคราะห์เครือข่าย	การเรียนรู้เชิงลึก
ตระกูล	Process / pipeline	Machine learning
ปีกำเนิด	1983	2017
ผู้ริเริ่ม	—	Kipf, T.N. & Welling, M.
ประเภท	Probabilistic generative graph model	Deep learning on graph-structured data
แหล่งต้นตำรับ	Holland, P.W., Laskey, K.B. & Leinhardt, S. (1983). Stochastic Blockmodels: First Steps. Social Networks, 5(2), 109-137.	Kipf, T.N. & Welling, M. (2017). Semi-Supervised Classification with Graph Convolutional Networks. ICLR.
ชื่อเรียกอื่น	SBM, degree-corrected SBM, DCSBM, Stokastik Blok Modeli (SBM)	Grafik Sinir Ağı (GNN), GNN, graph neural net, graph convolutional network
ที่เกี่ยวข้อง	7	4
สรุป	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.	A Graph Neural Network (GNN) is a deep learning method, popularised by Kipf and Welling in 2017 with the Graph Convolutional Network, that learns from the relationships in network (graph) structures made of nodes and edges. It is designed for data that is naturally relational, such as social networks, molecular structures, and recommendation systems.