ERGM 网络模型接口

本项目提供了一个基于 Python 的指数随机图模型（Exponential Random Graph Models, ERGM）接口，用于分析和社会网络建模。ERGM 是一种统计模型，能够描述网络结构中的复杂依赖关系，例如边的形成、三角形闭合度、度数分布等。

功能特点

• 支持多种网络统计项（terms），如边数、三角形、度数分布等。
• 提供模型拟合功能，可估计各项参数的系数。
• 支持从拟合模型中模拟生成新的网络结构。
• 基于 networkx 和自定义 ergm 模块实现，易于扩展和集成。

使用方法

1. 准备一个 networkx 图对象作为输入。
2. 定义需要包含在模型中的统计项（terms）。
3. 调用 build_ergm_model 函数进行模型拟合。
4. 输出模型系数或模拟生成新网络。

依赖库

• networkx
• ergm（假设已实现的自定义模块）

适用场景

• 社交网络分析
• 生物网络建模
• 信息传播路径研究

结果展示

输入示例

用户运行 main.py 脚本时，默认会执行以下操作：

1. 创建一个包含 100 个节点、边概率为 0.05 的随机图（使用 Erdős-Rényi 模型）。
2. 定义 ERGM 模型的统计项为：['edges', 'triangles', 'gwdegree']，分别表示边数、三角形数量和几何加权度数。
3. 调用 build_ergm_model 函数对上述图进行模型拟合。

输出示例

程序运行后，将输出以下内容：

1. 模型系数：列出每个统计项对应的估计系数。例如：

模型系数: edges: -1.234 triangles: 0.567 gwdegree: 0.890
这些系数反映了各统计项对网络结构的影响程度。

2. 模拟生成网络的信息：基于拟合后的模型，生成一个新的网络，并输出其基本属性。例如：

模拟生成的网络节点数：100 模拟生成的网络边数：245
这表明模拟生成的网络保留了原始网络的一些关键结构特征。

自定义输入

如果用户希望使用自己的网络数据，可以修改 main.py 中的图创建部分，替换为加载实际数据（如从文件读取边列表）。同时，可以根据需求调整统计项列表，以探索不同的网络特性。