Sql 具有元数据的大词共现频率数据库结构

我想在一个大型（>10亿令牌）文本语料库中存储单词在各种上下文中共同出现的频率。我需要存储单词对、共现类型（例如，word1与word2在同一个句子中，word1与word2在同一个段落中），以及一些关于发现共现文本的元数据（例如，年份、作者、出版商）。因此，一行可能如下所示：

word1     word2   count decade publisher author context_type
-------------------------------------------------------------
nuclear   danger   22    1980s    NYT      n/a      paragraph

频率将是稀疏的和泊松分布的。然后，我希望能够按日期范围或作者组（例如）查询数据，汇总结果计数

---

我对数据库几乎没有经验，也不知道该用什么。我需要相关的SQL表（例如，一个表中有图书元数据，另一个表中有word数据）还是简单的平面NoSql解决方案？词汇量大约为50000个单词，因此，如果观察到每个单词同时出现，即使没有元数据，也会有25亿行（我认为）。但可能大多数都不会被观察到。这让我觉得也许图形数据库是一种可能的解决方案。AWS或google上是否有好的云解决方案

Google Cloud Bigtable或其他NoSQL系统可能是这类查询的合理选择，因为它听起来像是稀疏数据集选项，但正如前一篇文章所指出的，这个问题更适合于

使用关系数据库，您可能很容易做到这一点。您将拥有数千万行（我猜是这样），并且具有正确的结构，很容易查询。但是，堆栈溢出不是软件推荐的地方。