เปรียบเทียบวิธี

	การวิเคราะห์กราฟความรู้เชิงเวลา	การวิเคราะห์กราฟความรู้แบบหลายชั้น
สาขาวิชา	การวิเคราะห์เครือข่าย	การวิเคราะห์เครือข่าย
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2017–2018	2014–2016
ผู้ริเริ่ม	Trivedi, R. et al.; Dasgupta, S. S. et al.	Kivela, M. et al.; Nickel, M. et al.
ประเภท	Temporal graph embedding and reasoning	Graph-based analytical framework
แหล่งต้นตำรับ	Trivedi, R., Dai, H., Wang, Y., & Song, L. (2017). Know-Evolve: Deep temporal reasoning for dynamic knowledge graphs. Proceedings of the 34th International Conference on Machine Learning (ICML), pp. 3462–3471.	Kivela, M., Arenas, A., Barthelemy, M., Gleeson, J. P., Moreno, Y., & Porter, M. A. (2014). Multilayer networks. Journal of Complex Networks, 2(3), 203–271.
ชื่อเรียกอื่น	TKG analysis, temporal KG analysis, dynamic knowledge graph analysis, time-aware knowledge graph analysis	multi-relational knowledge graph analysis, multilayer KG analysis, multi-relational graph analysis, multiplex knowledge graph analysis
ที่เกี่ยวข้อง	5	5
สรุป	Temporal Knowledge Graph Analysis extends standard knowledge graph methods to data where facts and relationships carry timestamps or validity intervals. It enables reasoning about how entities and relations evolve over time, supporting tasks such as link prediction for future facts, temporal relation classification, and event forecasting in dynamic relational data.	Multilayer knowledge graph analysis treats a knowledge base as a stack of relation-specific network layers sharing the same entity set, enabling simultaneous reasoning across relation types. Unlike a flat single-layer graph, it preserves the semantic distinctions between relation types and supports cross-layer link prediction, entity alignment, and community detection grounded in multilayer network theory.