เปรียบเทียบวิธี

	การตรวจจับชุมชนแบบถ่วงน้ำหนัก	การวิเคราะห์เครือข่ายแบบทับซ้อน (Multiplex Network Analysis)
สาขาวิชา	การวิเคราะห์เครือข่าย	การวิเคราะห์เครือข่าย
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2004–2008	2014
ผู้ริเริ่ม	Newman, M. E. J.; Blondel et al.	Kivela, M.; Boccaletti, S. et al.
ประเภท	Graph clustering / community detection	Structural network model
แหล่งต้นตำรับ	Blondel, V. D., Guillaume, J.-L., Lambiotte, R., & Lefebvre, E. (2008). Fast unfolding of communities in large networks. Journal of Statistical Mechanics: Theory and Experiment, 2008(10), P10008.	Kivela, M., Arenas, A., Barthelemy, M., Gleeson, J. P., Moreno, Y., & Porter, M. A. (2014). Multilayer networks. Journal of Complex Networks, 2(3), 203–271.
ชื่อเรียกอื่น	weighted graph clustering, community detection on weighted networks, weighted modularity optimization, WCD	multiplex networks, multi-layer network analysis, multilayer network analysis, MNA
ที่เกี่ยวข้อง	6	6
สรุป	Weighted community detection identifies densely connected groups — communities — in networks where edges carry numeric strengths (weights). By incorporating edge weights into the modularity function, it reveals structure that binary adjacency alone would miss: two nodes connected by a strong tie are treated as more similar than two nodes linked by a weak one. The Louvain algorithm is the dominant practical implementation.	Multiplex network analysis studies systems where the same set of nodes is connected by multiple distinct types of relationships, each represented as a separate network layer. By analyzing layers simultaneously rather than in isolation, it reveals how different relation types interact, reinforce each other, or compensate for one another across the same actors or entities.