为西班牙语单词数据库设计模式？

Question

对于我正在进行的帮助人们学习西班牙语的项目，我想创建一个独立的服务来处理有关单词的数据的检索。为此，我从维基词典中捕获并编纂了几千个单词的数据。目前，这是JSON格式的，但我打算将其放入PostgreSQL db中。我正在寻找开发数据库模式的建议。

每个单词都有特定的属性，这是我从维基词典中捕捉到的：

• string
• part of speech
• meaning
• lemma (有点像这个词的“普通”版本 )

此外，有一些属性是独特的某些部分的词性。具体来说，动词有person，mood和tense，形容词和名词有gender和number。

示例：hacía

• string: hacía
• part of speech: verb
• meaning: to do
• lemma: hacer
• person: 1st
• mood: indicative
• tense: imperfect

我打算使服务的API能够做到以下几点：

• 给定一个特定的字符串和部分词性，返回与其匹配的所有可能单词。例子：hacía, verb => imperfect indicative first person of hacer and imperfect indicative third person of hacer, along with the properties of each of those two words
• 给定单词的唯一标识符，返回单词的所有可能形式。例子：unique id of hacía => every possible form of hacer, along with their properties.
• 给定单词的唯一标识符和属性列表，返回满足这些属性的单词的形式。例子：unique id of hacía, indicative, present, first person => hago

我的问题：

考虑到这些预期用途和底层数据，您建议我如何组织数据库？如果有的话，还有哪些其他考虑因素是相关的？

更具体地说，这个数据库是否应该由一个表组成，并在其中列出以下所有属性？或者，它应该是两个表:一个包含所有单词的表和一个包含所有引理的单独的表，这个表与之相连？还是，我还没有想到第三种选择呢？

Answer 1

分析你的发言：

1. 所有的单词都有共同的属性。
2. 在这个公共部分中，part of speech的作用类似于一种类型:该词可能具有附加属性，这取决于同一表中的part of speech ->附加属性的值(可以使用还是不使用)？或附加
3. 每个不同的单词(字符串)都有一个唯一的id，而不管它的形式如何。

现在，关于潜在诱因的头脑风暴：

• (1)至少需要一个具有所有基本属性的Word表
• (2)需要一个额外属性的位置：
  • 可能性(2.a)：在Word表中添加其他属性，但在不需要时将其保留为空("单继承“模型)。
  • 可能性(2.b)：在一个单独的表中添加额外的属性，每个part of speech有一个表("类表继承“或"混凝土表继承”，以防几个词类构成层次结构)
  • 可能性(2.c)：将每个属性放入实体-属性值表
  • 可能性(2.d)：为每个附加属性创建一个单独的表

• (2)的变体表明part of speech定义了word的特殊性。因此，如果不同的part of speech是平面结构，或者形成层次结构，则可以进一步分析。
• part of speech用自己的属性定义专门化这一事实提出了这样一个问题: word的其他核心属性是否也需要额外的属性。但乍一看不是..。
• (3)建议可以使用唯一的id连接不同的表。
• (3)意思是同一个词在Words中可能有重复的词条，每个词条都有不同的含义。=>不同的含义会影响其他属性吗？
• (3)意味着同一个单词在Words中可能有重复的条目，每个条目具有不同的part of speech。=>，这是否意味着单词应该分为词汇部分(即唯一的id和字符串)以及语法和语义部分？

这些都是诱惑力:仅仅是根据最初的发现而产生的想法。下一步是评估这些问题，看看它们是否有效，如何解决，以及利弊。

那你就可以设计。对我来说，直觉上，我会很快地将我的选择限制在类继承表上(带有id和string的词汇形式；带有部分词性和剩余核心属性的语法形式；用于不同part of speech的附加表)和实体字段值方法(更灵活，但更昂贵)。请您反复检查这两种方法如何满足不同的查询需求。