เปรียบเทียบวิธี

	แบบจำลองสโตแคสติกแบบบล็อกเชิงเวลา	Multilayer Stochastic Block Model
สาขาวิชา	การวิเคราะห์เครือข่าย	การวิเคราะห์เครือข่าย
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2014–2017	2015-2017
ผู้ริเริ่ม	Xu, K. S. & Hero, A. O.; Matias, C. & Miele, V.	Peixoto, T. P.; De Bacco, C. and colleagues
ประเภท	Generative probabilistic model	Generative probabilistic model
แหล่งต้นตำรับ	Matias, C. & Miele, V. (2017). Statistical clustering of temporal networks through a dynamic stochastic block model. Journal of the Royal Statistical Society: Series B, 79(4), 1119–1141.	Peixoto, T. P. (2015). Inferring the mesoscale structure of layered, edge-valued, and time-varying networks. Physical Review E, 92(4), 042807.
ชื่อเรียกอื่น	TSBM, dynamic stochastic block model, time-varying SBM, evolving block model	ML-SBM, multilayer SBM, multi-layer stochastic block model, multiplex stochastic block model
ที่เกี่ยวข้อง	4	4
สรุป	The Temporal Stochastic Block Model (TSBM) extends the classic Stochastic Block Model to sequences of network snapshots, jointly inferring latent community memberships and how those memberships evolve across time. It combines a generative edge-probability model with a Markov process over block assignments, enabling principled statistical detection of community structure that changes over time.	The Multilayer Stochastic Block Model (ML-SBM) is a generative probabilistic framework that extends the classical stochastic block model to networks with multiple relation types or layers. It simultaneously infers community structure and block-to-block connection probabilities across all layers, capturing how communities cohere differently depending on context or relationship type.