O problema dos dois substantivos comuns na língua portuguesa
Quando eu comecei a revisar textos técnicos e contratos jurídicos, percebi que um dos erros mais frequentes não era gramatical no sentido tradicional, mas sim de aglutinação. As pessoas escreviam frases onde dois substantivos vinham colados sem espaço, tipo "portamontão" ou "guardachuva", e isso gerava ambiguidade que depois demandava correções em produção. A coisa parecia simples, mas a regra de separação entre dois substantivos comuns tem nuances que poucos manuais citam. Uma vez, num projeto de localizao de entidades para um NLP brasileiro, nossos modelos confundiram "plano de saúde" com "planos de saude" quando o tokenizador não respeitava afronticamento adequado. O workaround foi implementar um dicionário interno com as combinações mais frequentes e usar regex de borda para capturar esses pares antes do processamento principal. Isso reduziu os falsos positivos em cerca de 40% na validação manual.
Dois substantivos comum: quando juntar e quando separar
O conceito de dois substantivos comum se aplica a estruturas compostas onde dois termos nominais se combinam para formar uma unidade de significado. A literatura normativa recomenda separação na maioria dos casos, mas há exceções consolidadas pelo uso, como "segunda-feira", "passatempo", "pontapé". A tendência contemporânea em normativos mais recentes tem sido favorecer a grafia junta para termos de uso consolidado e aberto para neologismos e composições menos frequentes. Do ponto de vista prático, a decisão entre grafia junta ou separada depende de três fatores: frequência de uso atestada em corpus, nível de especialização do termo e resistência à interrupo por modificadores intermediários. Se você puder inserir um adjetivo entre os dois substantivos sem quebrar o sentido, provavelmente a grafia recomendada é separada. Por exemplo, "mala rodante" permite "mala de plástico rodante", mas "guarda-roupa" não aceita "guarda branco roupa" sem soar estranho.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Na revisão editorial, eu costumo usar uma lista de verificação simples antes de decidir: primeiro verifico o Houaiss e o Michaelis para termos consagrados, depois consulto o Acordo Ortográfico de 1990 para casos limítrofes, e finalmente uso Corpus do Português da UNESP para validar a frequência de uso em textos contemporâneos. Esse protocolo geralmente leva de 5 a 10 minutos por termo duvidoso, contra 30 minutos se eu fosse fazer pesquisa manual em múltiplos dicionários impressos.
Aplicações práticas e armadilhas comuns
O tratamento inadequado de dois substantivos comum em sistemas de processamento de linguagem natural pode gerar problemas sérios de extração de informações. Quando um motor de busca indexa "cabo verde" como entidade única versus "cabo" e "verde" como termos independentes, os resultados retornam conjuntos completamente diferentes. No meu caso, tive que ajustar a pontuação de similaridade semântica para termos compostos, usando vetores treinados especificamente em documentos jurídicos e técnicos, onde a precisão na segmentação era crítica. Outra armadilha frequente envolve a pronúncia e a tonicidade. Termos como "futebol-de-salão" têm padrão acentual diferente de "bola de futebol", e isso afeta a segmentação fonológica em ferramentas de reconhecimento de voz. Recomendo atestuar a pronúncia nativa antes de integrar esses termos em pipelines de ASR, pois a grafia isolada não sempre reflete o padrão prosódico real.
Para quem trabalha com digitação ou publicação, uma prática útil é manter um glossário interno das composições aceitas em cada domínio. No jurídico, por exemplo, "termo de responsabilidade" quase nunca aparece grafado junto, enquanto no cotidiano "couve-flor" e "garrafa-quent" s ão amplamente consolidados. Manter essa distinção por registro reduz retrabalho em revisão e padroniza produo editoral de forma consistente.
