共起ネットワークにおけるサブグラフ検出の方法

[haruna0204]

いつもお世話になっております。
3つの異なる職種に対して同じアンケートを行い、
3つの職種でテキストマイニング、共起ネットワークを実施しました。
ある一つの職種は対象が少なく、一つはとても多い回答数でした。
同じ条件で、共起ネットワークを作成すると、うまくまとまらなくなってしまいました。
サブグラフ検出（modulality）、（ランダムウォーク）、中心性媒介の3つで共起ネットワークに表される色のカテゴリーが異なると思うのですが、３つの職種で検出方法は同じにした方がいいのでしょうか。別でもよいのでしょうか。３つの職種はすべて（random walks）です。
ご回答いただけると幸いにどうぞよろしくお願いいたし
ます。

[ko-ichi-h]

こんにちは，樋口です。書き込みありがとうございます。

サブグラフ検出による語・コードのグループ分けは，あくまで「機械的な基準でグループ分けしたらこうなった」という程度の結果です。ですから，同じグループになっていても分析者の目から見ると異なるコンセプトが混じっていたりします。また，別のグループに分かれていても，分析者の目から見れば同じコンセプトをあらわす語・コードであるといったことは起こりえます。こうした場合には，分析者の観点にもとづいて結果を解釈していただければと存じます。

以上のことを前提とした上で，それでも，3つのデータ（職種）に対して異なるサブグラフ検出の方法を用いることは，私だったらちょっとためらいますね。サブグラフ検出の方法についてよくよく調べて，「これこれの理由で，このデータ（職種）にはこの検出法が適している」と書けるなら，異なる検出法を使って良いと思います。そうでなければ検出法は統一して，分析者の解釈で補うという方向が穏当かなと思われます。