同义词表的替代设计？

Question

我正在开发一个应用程序，用于为输入文本建议替代单词/短语。我对同义词表的优秀设计有疑问。

设计考虑因素：

1. 同义词的数量是可变的，即football有一个同义词（soccer），但in particular有两个（particularly，specifically）
2. 如果football是soccer的同义词，则该关系也存在相反的方向。
3. 我们的目标是查询单词并找到其同义词
4. 我们希望保持桌面小，并且轻松添加新单词

我想到的是一个带有

的双栏设计
• col a = word和
• col b = delimited list of synonyms

还有更好的选择吗？如何使用两个表，一个用于单词，另一个用于关系？

编辑：
在阅读答案后，我想到了另一种方法。它使用一个包含所有同义词的单列表，每个词包含在单词边界标记中。我的意思是像 |in particular|particularly|specifically|
然后我用
查询表格 SELECT * FROM synonyms WHERE word LIKE '%|specifically|%'
在代码中，我将前面和后面的|废弃并进行拆分并使用同义词。

有什么不好的，我没看到？

Answer 1

  

  
• col a = word和
  
• col b =定义的同义词列表
  

糟糕的主意。每次添加同义词时，都必须在两个位置进行更改。只需添加对

(in particular, particularly)
(in particular, specifically)

并在(a,b)和a < b中强制执行该操作。这样，就没有冗余。

使用两个表也很好，也许你会节省内存。但是，您还需要再加入一次查询。

Answer 2

我会使用两个表的方法，一个用于单词，另一个用于单表方法的关系，原因有三个。

1. 单词表中没有重复的单词。
2. 执行单词及其同义词之间的双向关系更容易。
3. 编写适用于分隔列表的SQL语句会更加繁琐。

单词表：2列 ID ， Word

关系表：2列 WordId1 ， WordId2

具有两个同义词的单词将在Word表中有一行，在Relation表中有两行。

Answer 3

你的一个表设计会有很多重复的同义词列表，但这对你来说可能没问题。

您可能需要考虑两个表设计，将所有单词映射到“规范变体”（作为单词）或id（数字）：

syn1 -> 0x1234eef3
syn2 -> 0x1234eef3

然后将表映射到同义词列表：

01234eef3 -> (syn1, syn2)

Answer 4

在阅读答案之后，我想到了另一种方法。它使用一个包含所有同义词的单列表，每个词包含在单词边界标记中。我的意思是

|in particular|particularly|specifically|

然后我用

查询表格

SELECT * FROM `synonyms` WHERE `word` LIKE '%|$word|%'

在代码中，我会废弃前面和后面的|并执行explode并使用同义词：

$synonyms = $row['word'];
$synonyms = explode('|', substr($synonyms, 1, -1));
unset($synonyms[$word]);