Entendendo três substantivos comum na prática
Achar que três substantivos comum é só listar palavras é fácil. Fazer isso funcionar em um projeto real geralmente quebra alguma coisa. Eu aprendi isso na mão quando precisei separar nomes próprios de comuns em um corpus grande de textos jurídicos. A regra básica existe, mas a execução depende de contexto, e o contexto raramente é limpo.
O que realmente significa três substantivos comum
O conceito é simples na teoria. Você pega três substantivos que não são nomes próprios. Eles identificam coisas, pessoas, lugares ou ideias de forma genérica. A diferença entre comum e próprio é direta, mas na prática depende de capitalização, posição na frase e às vezes até de tradição de uso. Em português, substantivos comuns geralmente aparecem com letra minúscula, exceto quando começam uma oração ou estão em títulos. Substantivos próprios vão em maiúscula porque nomeiam entidades únicas. Isso é o suficiente para a maioria dos casos corriqueiros.
Como aplicar esse conceito em projetos reais
Eu costumo começar definindo os três substantivos que preciso trabalhar. Depois escrevo uma regra clara de classificação. A regra precisa considerar maiúsculas, minúsculas e casos limites. Por exemplo, a palavra lei pode ser comum quando fala de qualquer norma, mas vira própria quando se refere à Lei de Diretrizes e Bases. Isso exige um dicionário de exceções ou uma lista de termos que devem ser tratados como próprios em certos contextos. Um problema real que eu enfrentei foi classificar Brasil versus brasil em uma extração automatizada. O processador pegava a forma minúscula e marcava como comum, mesmo quando o contexto claramente indicava o país. A correção foi adicionar uma regra de contexto baseada em palavras adjacentes, como sede, capital ou território. Se aparecesse uma dessas palavras próximas, eu tratava brasil como próprio, ainda que em minúscula. Isso resolveu cerca de oitenta por cento dos erros iniciais.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Passo a passo prático
Primeiro, escolha três substantivos comuns que façam sentido para o seu objetivo. Anote variações de capitalização. Segundo, crie uma tabela de correspondência entre forma textual e classificação. Terceiro, implemente regras de contexto básico usando palavras-chave próximas. Quarto, valide com um conjunto pequeno de exemplos e ajuste os limites. Quinto, meça a taxa de erro e decida se o custo de refinamento vale a pena para o caso específico. Esse fluxo geralmente leva de trinta minutos a duas horas para um primeiro protótipo funcional, dependendo da complexidade do corpus. Se o texto tiver muitos jargões ou abreviações, espere gastar mais tempo na etapa de validação.
Erros comuns que eu vejo sempre
A armadilha mais frequente é confiar só na capitalização. Ela funciona em textos bem formatados, mas falha em transcrições, redes sociais e documentos digitalizados. Outra pegadinha é tratar toda palavra maiúscula como própria. Tecnologia começa uma frase e não é um nome próprio. Amazonas pode ser o estado ou a empresa, e a classificação muda completamente. Um detalhe que poucos consideram é a flexão de gênero e número. Cidadão e cidadã são comuns, mas Rio e Rio de Janeiro têm classificação diferente dependendo do uso. Em listas extensas, é útil normalizar os substantivos antes de classificar, reduzindo variações morfológicas a uma forma base. Isso reduz ruído e deixa a regra mais estável.
Quando esse método não funciona bem
Se o seu material tiver muitos nomes fictícios, marcas registradas ou topônimos criados, a abordagem pura de substantivo comum versus próprio fica confusa. Nesses casos, eu recomendo adicionar uma camada de classificação baseada em domínio. Um glossário do setor costuma resolver melhor do que tentar adivinhar pelo contexto geral. O tempo economizado na manutenção costuma compensar o esforço inicial de montar o glossário, especialmente se você for processar textos repetitivos no longo prazo. Para quem busca exemplos prontos, existem modelos básicos de classificação por regra disponível em repositórios públicos de processamento de linguagem natural. A busca por três substantivos comum costuma trazer notebooks com exemplos em português que servem como ponto de partida. O importante é testar com seus próprios dados antes de adotar qualquer configuração como padrão definitivo.
Um resumo direto do que funciona
Defina os três substantivos comuns que importam. Crie regras que considerem capitalização e contexto imediato. Adapte exceções com base em palavras-chave próximas. Valide com um lote pequeno e ajuste os limites. Se o texto for muito irregular, use um glossário de domínio em vez de depender só de heurísticas gerais. Isso evita a maior parte dos erros comuns e mantém o processamento previsível. Se precisar de um link direto para um repositório simples que use essa lógica, procure por projetos deNER em português no GitHub. A maioria das implementações segue esse padrão de três substantivos comum com regras contextuais básicas, e o código costuma estar documentado o suficiente para servir de base após um teste rápido de validação.
