เปรียบเทียบวิธี

	การวิเคราะห์การแพร่กระจายในเครือข่ายเชิงเวลา	การตรวจจับชุมชนเชิงเวลา
สาขาวิชา	การวิเคราะห์เครือข่าย	การวิเคราะห์เครือข่าย
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2012	2010
ผู้ริเริ่ม	Holme, P. & Saramäki, J.	Mucha, P. J. et al.
ประเภท	Network analysis framework	Network clustering algorithm
แหล่งต้นตำรับ	Holme, P. & Saramäki, J. (2012). Temporal networks. Physics Reports, 519(3), 97–125.	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.
ชื่อเรียกอื่น	TNDA, dynamic network diffusion, time-varying network spreading, diffusion on temporal networks	dynamic community detection, time-varying community detection, evolutionary community detection, longitudinal community detection
ที่เกี่ยวข้อง	5	6
สรุป	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.	Temporal community detection identifies cohesive groups (communities) in networks whose structure changes over time. By treating each time snapshot as a network layer and coupling consecutive layers, it reveals how communities form, merge, split, grow, or dissolve — turning a sequence of static snapshots into a continuous narrative of group evolution.