เปรียบเทียบวิธี

	แบบจำลองสโตแคสติกแบบบล็อกเชิงเวลา	การวิเคราะห์โมดูลาริตีเชิงเวลา
สาขาวิชา	การวิเคราะห์เครือข่าย	การวิเคราะห์เครือข่าย
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2014–2017	2010
ผู้ริเริ่ม	Xu, K. S. & Hero, A. O.; Matias, C. & Miele, V.	Mucha, P. J., Richardson, T., Macon, K., Porter, M. A., & Onnela, J.-P.
ประเภท	Generative probabilistic model	Community detection (temporal extension of modularity optimization)
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.	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	TSBM, dynamic stochastic block model, time-varying SBM, evolving block model	dynamic modularity, time-varying modularity, longitudinal community detection, temporal community structure analysis
ที่เกี่ยวข้อง	4	5
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.	Temporal modularity analysis extends standard modularity-based community detection to time-varying networks by treating each time slice as a network layer and coupling adjacent layers with inter-temporal links. This allows researchers to identify how communities form, persist, merge, split, and dissolve over time in dynamic relational data.