امروزه تحلیل سر ی های زمانی از منظر شبکه پیچیده، علاقه بسیاری از دانشمندان را برانگیخته است. برای تبدیل نوع داده سری زمانی به شبکه (گراف) روش های مختلفی وجود دارد که رایج ترین آن ها استفاده از گراف پدیداری است. این مقاله برای اولین بار به مرور جامع روش های تبدیل سری زمانی به گراف پدیداری و کاربردهای آن می پردازد. در یک دسته بندی کلی، خانواده الگوریتم های گراف پدیداری شامل گراف پدیداری طبیعی، افقی و نفوذپذیر محدود است که هر یک به اقتضای نیاز پژوهشگر و موضوع مورد پژوهش می توانند مفید واقع شوند. گراف های پدیداری کاربردهای متعددی در شناخت و کشف ویژگی های خاص سری های زمانی و حتی پیشگویی مقادیر آتی آن ها دارند. این گراف ها در حیطه های مالی، اقتصادی، پزشکی، زیست شناسی، زمین شناسی و ... مورد استفاده قرار گرفته اند. زمینه های انجام پژوهش در حیطه، تحلیل رفتار شبکه مبتنی بر گراف پدیداری، پیش بینی رفتار سری زمانی، بهبود کیفیت استخراج سری زمانی و توسعه مفهوم به گراف های پیچیده تر است.
