Pomiary kierunkowe i parami są często używane do modelowania interakcji w sieciach społecznych. Mieszany stochastyczny model blokowy (mixed-membership stochastic blockmodel, MMSB) był przełomową pracą w tej dziedzinie, a jego możliwości zostały rozszerzone. Jednakże, modele takie jak MMSB napotykają na szczególne wyzwania w modelowaniu sieci dynamicznych, na przykład z nieznaną liczbą społeczności. W związku z tym, w niniejszej pracy zaproponowano dynamiczny, nieskończony, stochastyczny model blokowy mixed-membership, będący uogólnioną strukturą, która rozszerza istniejące prace na potencjalnie nieskończone społeczności wewnątrz sieci w dynamicznych warunkach (tzn. sieci są obserwowane w czasie). Dodatkowe parametry modelu są wprowadzane w celu odzwierciedlenia stopnia trwałości członkostwa w kolejnych znacznikach czasu. W tych ramach, dwa konkretne modele, mianowicie mieszanka wariantów czasowych i mieszanka niezmienników czasowych, są proponowane w celu zobrazowania dwóch różnych struktur korelacji czasowej. Przedstawiono dwie efektywne strategie próbkowania oraz ich wyniki, odpowiednio, przy użyciu danych syntetycznych i rzeczywistych.