Como fazer análise morfológica de classe de palavras na prática
A classificação de palavras é um exercício mecânico quando você entende os critérios. A maioria dos cursos começa listando as nove classes gramaticais: substantivo, adjetivo, advérbio, verbo, pronome, artigo, preposição, conjunção e interjeição. Isso é teoria de livro didático. O problema real aparece quando você pega um texto autêntico e tenta classificar cada termo sem ambiguidade. Já perdi tempo num projeto de NLP tentando distinguir advérbios de adjetivos em predicativos do sujeito. O NLTK clássico, por exemplo, classificava "rapidamente" como advérbio sem questionar, mas em frases como "Ele chegou rápido", o "rápido" funciona como adjetivo adnominal ou predicativo, não como advérbio. A solução que encontrei foi implementar um filtro baseado na posição sintática: se o termo antecede o substantivo ou segue verbo de ligação com concordância em gênero/número, força a classificação como adjetivo. Só esse ajuste reduziu em cerca de 40% os erros de tagging em corpus legítimo.
Dificuldades comuns ao trabalhar com classe de palavras
O maior obstáculo não é decorar as definições. É lidar com polyssemia morphológica. Palavras como "que" e "se" mudar de classe conforme o contexto são a regra, não a exceção. "Que" pode ser pronome relativo, conjunction integrante, pronome interrogativo, partícula expletiva ou até interjeição. Um tagger baseado apenas em frequência vai errar consistentemente nesses casos. Outro ponto que pouca gente menciona: a fronteira entre conjunção subordinativa e preposição é mais tênue do que os manuais dizem. "A respeito de", "em virtude de", "segundo" — essas locuções funcionam como prepositivas em muitos análisis, mas alguns gramáticos as tratam como conectivos adverbiais. Para fins práticos de análise automática, trate-as como preposições. O ganho em recall compensa a perda marginal em precisão.
Verbo no infinitivo impessoal merece atenção separada. Quando aparece sem sujeito determinado e sem marca de tempo ("É preciso estudar"), funciona como substantivo verbal em muitas análises modernas. O Novo Acordo Ortográfico não resolve essa questão porque não é uma questão ortográfica, é sintática. Se o seu sistema classifica "estudar" como verbo nessa construção, está tecnicamente coerente com a tradição, mas perde a informação funcional.
Critérios práticos para classificação
Antes de tentar adivinhar a classe, verifique três coisas em sequência. Primeiro, a flexão: a palavra aceita variação de gênero, número, grau ou tempo? Substantivos e adjetivos flexionam em gênero e número. Verbos em tempo e modo. Advérbios não flexionam. Segundo, a função sintática: qual termo ela modifica ou a quem se liga? Terceiro, a substituição: você pode trocar a palavra por um representante conhecido da classe sem quebrar a frase? Pronomes são especialmente traiçoeiros porque algumas formas se sobrepõem a outras classes. "Todo" pode ser pronome indeterminado ("Todo mundo veio"), adjetivo ("Todo dia chove") ou determinante. A diferença está na autonomia referencial: pronomes substituem substantivos inteiros, adjetivos modificam-nos. Teste de substituição funciona bem aqui.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Artigos definidos e indefinidos têm comportamento previsível, mas os indefinidos ("um", "uma", "uns", "umas") se fundem facilmente com numerais cardinal. A distinção relevante é funcionale: artigo indica genericidade ou Anafórica-reference, numeral indica quantidade exata. Na prática, se a palavra modifica um substantivo e responde a "quantos?", é numeral. Se introduz ou retoma um referente, é artigo. Preposições exigem cuidado com a crase e com as contrações. "Da", "do", "na", "no" não são preposições puras — são fusões de preposição + artigo. Um analisador morfossintático deve decompor essas formas antes de classificar, senão o sistema trava em tokens que não reconhece no léxico base.
Ferramentas disponíveis
Para quem precisa processar texto automaticamente, existem opções gratuitas. O UDPipe suporta português e exporta annotations no formato Universal Dependencies, que é mais rico que tags POS tradicionais porque inclui funções sintáticas além das classes morfológicas. Baixe o modelo pt UD da página oficial do projeto e rode localmente com Docker ou pip. O Stanford CoreNLP também tem pipeline em português, embora o treinamento seja mais pesado e a latência maior. Se o seu foco é apenas classificação lexical e não análise sintática completa, vale a pena testar o Brontes, um pacote Python desenvolvido no Brasil especificamente para português, com tagging morfológico treinado em árvores sincronizadas do HOUAIS.
Nenhuma ferramenta chega a 98% de precisão em textos jornalísticos ou literários. A queda de performance é mais acentuada em textos informais, redes sociais e variedades regionais. O português brasileiro falado e escrito fora do padrão gera erros sistemáticos em classes como pronome oblíquo eadvérbios de modo. Se o seu domínio de aplicação é desses, considere retreinar o tagger com dados anotados manualmente do seu corpus específico — pelo menos dois mil frases já fazem diferença mensurável.
O que a classe de palavras não resolve
Classificação morfológica isolada não substitui análise sintática ou semântica. Você pode saber que uma palavra é verbo, mas não saber se ela rege preposição ou não. Pode identificar um pronome, mas não determinar se é reflexivo ou oblíquo átono. Para downstream tasks como extração de relações ou parsing dependencial, o tagging POS é apenas o primeiro passo. Além disso, existem fronteiras entre classes que a gramática normativa não padroniza totalmente. Particípios usados como adjetivos, substantivações de infinitivos, advérbios de origem adjetival — são casos onde diferentes linguistas dão respostas diferentes. Se você precisa de consistência analítica, defina um critério e documente. Melhor ter um desacordo consciente do que variabilidade invisível nos dados.
