เปรียบเทียบวิธี

	แบบจำลองสโตแคสติกแบบบล็อกเชิงเวลา	แบบจำลองบล็อกสุ่ม
สาขาวิชา	การวิเคราะห์เครือข่าย	การวิเคราะห์เครือข่าย
ตระกูล	Machine learning	Process / pipeline
ปีกำเนิด	2014–2017	1983
ผู้ริเริ่ม	Xu, K. S. & Hero, A. O.; Matias, C. & Miele, V.	—
ประเภท	Generative probabilistic model	Probabilistic generative graph 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.	Holland, P.W., Laskey, K.B. & Leinhardt, S. (1983). Stochastic Blockmodels: First Steps. Social Networks, 5(2), 109-137.
ชื่อเรียกอื่น	TSBM, dynamic stochastic block model, time-varying SBM, evolving block model	SBM, degree-corrected SBM, DCSBM, Stokastik Blok Modeli (SBM)
ที่เกี่ยวข้อง	4	7
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 Stochastic Block Model (SBM), introduced by Holland, Laskey and Leinhardt (1983), is a probabilistic generative model for graphs that assigns nodes to latent blocks and parametrically estimates the connection probabilities between blocks. It is the foundational approach for community detection, core-periphery identification, and hierarchical structure discovery in network analysis.