要避免使用通过AutoTag生成的数组中的同义词，可以使用以下解决方法：

1. 使用自定义的同义词库：创建一个包含同义词的自定义词典，并在生成标记数组之前，使用该词典将同义词替换为一个统一的词。例如，使用Python的nltk库可以实现这个功能。

from nltk.corpus import wordnet

# 自定义同义词库
synonyms = {"happy": ["joyful", "delighted", "pleased"], "sad": ["unhappy", "miserable", "depressed"]}

def replace_synonyms(text):
    words = text.split()
    result = []
    for word in words:
        if word in synonyms:
            result.append(synonyms[word][0])  # 只选择同义词列表中的第一个词
        else:
            result.append(word)
    return ' '.join(result)

# 生成标记数组
tagged_array = [replace_synonyms(text) for text in auto_tagged_array]

2. 使用词干提取（stemming）和词形还原（lemmatization）：这两种技术可以将单词还原为其基本形式，这样可以消除因变体形式而导致的同义词问题。可以使用Python的nltk库实现这个功能。

from nltk.stem import PorterStemmer, WordNetLemmatizer

stemmer = PorterStemmer()
lemmatizer = WordNetLemmatizer()

def normalize_text(text):
    words = text.split()
    result = []
    for word in words:
        stemmed_word = stemmer.stem(word)  # 词干提取
        lemmatized_word = lemmatizer.lemmatize(stemmed_word)  # 词形还原
        result.append(lemmatized_word)
    return ' '.join(result)

# 生成标记数组
tagged_array = [normalize_text(text) for text in auto_tagged_array]

这些方法可以帮助避免通过AutoTag生成的数组中的同义词问题，并提高后续处理过程的准确性和一致性。