动态随机块模型 (DSBM) 是一个生成概率框架，它将静态随机块模型扩展到跨多个时间点观测到的网络。它联合建模社群成员资格和社群演化，使研究人员能够检测和追踪纵向网络数据中潜在的群组及其随时间的结构性变化。

设想一系列网络快照——例如，每年的合作者网络，或每月的通信图。静态随机块模型可以在单个快照中找到社群，但忽略了它们如何随时间转移。DSBM 增加了一个时间层：每个节点在每个时间步都属于一个块，并且在块之间的转移遵循马尔可夫过程。这使得模型能够区分真实的社群变化与噪声，并产生平滑、可解释的成员资格轨迹，而不是孤立的、基于快照的解决方案。