เปรียบเทียบวิธี
ดูวิธีที่เลือกเทียบกันแบบเคียงข้าง แถวที่ต่างกันจะถูกเน้นไว้
| การวิเคราะห์กราฟความรู้เชิงเวลา× | การวิเคราะห์เครือข่ายสังคมเชิงเวลา× | |
|---|---|---|
| สาขาวิชา | การวิเคราะห์เครือข่าย | การวิเคราะห์เครือข่าย |
| ตระกูล | Machine learning | Machine learning |
| ปีกำเนิด≠ | 2017–2018 | 2000s–2010s |
| ผู้ริเริ่ม≠ | Trivedi, R. et al.; Dasgupta, S. S. et al. | Moody, J.; Holme, P.; Saramäki, J. |
| ประเภท≠ | Temporal graph embedding and reasoning | Longitudinal network analysis |
| 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. link ↗ | Holme, P., & Saramäki, J. (2012). Temporal networks. Physics Reports, 519(3), 97–125. DOI ↗ |
| ชื่อเรียกอื่น | TKG analysis, temporal KG analysis, dynamic knowledge graph analysis, time-aware knowledge graph analysis | TSNA, longitudinal social network analysis, time-varying network analysis, dynamic SNA |
| ที่เกี่ยวข้อง≠ | 5 | 4 |
| 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 Social Network Analysis (TSNA) extends classic social network analysis by treating networks as time-varying structures. Rather than aggregating all ties into a single static snapshot, TSNA tracks when ties form, persist, and dissolve, enabling researchers to study how social structures evolve and how dynamic connectivity shapes diffusion, influence, and inequality over time. |
| ScholarGateชุดข้อมูล ↗ |
|
|