เปรียบเทียบวิธี

	การวิเคราะห์กราฟความรู้เชิงเวลา	การวิเคราะห์การแพร่กระจายในเครือข่ายเชิงเวลา
สาขาวิชา	การวิเคราะห์เครือข่าย	การวิเคราะห์เครือข่าย
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2017–2018	2012
ผู้ริเริ่ม	Trivedi, R. et al.; Dasgupta, S. S. et al.	Holme, P. & Saramäki, J.
ประเภท	Temporal graph embedding and reasoning	Network analysis 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.	Holme, P. & Saramäki, J. (2012). Temporal networks. Physics Reports, 519(3), 97–125.
ชื่อเรียกอื่น	TKG analysis, temporal KG analysis, dynamic knowledge graph analysis, time-aware knowledge graph analysis	TNDA, dynamic network diffusion, time-varying network spreading, diffusion on temporal networks
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.	Temporal Network Diffusion Analysis studies how information, disease, influence, or other contagions spread through networks whose structure changes over time. By modeling edges as time-stamped contacts rather than static links, it captures the critical role of timing and ordering in determining which nodes get reached, how fast, and through which pathways — producing conclusions that static network models systematically miss.