全文搜索通过扩展查询或修改索引内容以包含等价词来处理同义词，确保即使使用不同但含义相同的词语，文档也能匹配。这通常通过在搜索引擎中配置同义词列表或映射来实现。例如，搜索“car”也可能返回包含“automobile”的结果，如果这两个词被定义为同义词的话。这个过程发生在索引期间（修改存储的词语）或查询处理期间（扩展搜索词），具体取决于系统的设计和性能要求。
在实现中，像 Elasticsearch 或 Apache Solr 这样的搜索引擎在其文本分析流水线中会使用**同义词过滤器**。这些过滤器在处理过程中替换或向词元添加同义词。例如，一个同义词过滤器可以将“car”映射到 ["car", "auto", “automobile”]，从而改变词语在索引中的存储方式或在查询中的解析方式。如果在索引时应用，引擎会将所有同义词直接存储在倒排索引中，这样提到“automobile”的文档也会自动与“car”关联。这种方法加快了查询速度，但会增加索引大小。另一种方法是在查询时处理同义词，扩展搜索查询本身（例如，将“car”转换为“car OR automobile”），而不改变索引。这使得索引更小，但由于更广泛的词语匹配，可能会稍微减慢复杂查询的速度。
挑战包括管理依赖上下文的同义词（例如，“cell”作为生物学上的细胞 vs. 手机）以及多词术语，如“New York”和“NYC”。开发者通常通过使用特定领域的同义词列表、短语感知分词器或邻近度评分来解决这些问题。例如，Elasticsearch 允许配置同义词文件来分组词语，同时也支持多词替换规则。然而，过度扩展同义词可能导致不相关的结果，因此可以使用词语加权（优先匹配精确词语）或使用条件映射（例如，仅在特定字段中将“tv”映射到“television”）等技术来平衡准确率和召回率。索引时处理和查询时处理同义词的选择最终取决于存储、查询性能和维护复杂性之间的权衡。
