Entendendo a classificação de apagador
A dúvida central é simples: apagador é substantivo próprio ou comum. A resposta técnica é imediata. É substantivo comum. Não carrega capitalização específica, não identifica um ente único e faz parte do léxico geral da língua. O erro mais frequente ocorre em sistemas automatizados de processamento de linguagem que confundem a posição inicial de frase com regra de própria.
Por que a classificação errada acontece na prática
Em muitos fluxos de normalização, eu observo pipelines que aplicam a regra "tudo que começa com maiúscula é próprio" sem validação contextual. No meu último projeto de indexação semântica, um modelo de Named Entity Recognition marcou "Apagador" como PERSON quando aparecia no início de uma sentença instrucional. Isso quebrou a associação de sinônimos e duplicou entradas no glossário técnico. O contorno que funciona é aplicar uma regra de descapitalização de verificação obrigatória antes da etiquetação. Se a palavra existe no vocabulário fechado de substantivos comuns e não corresponde a um entry de base de entidades conhecida, ela recebe a tag de comum mesmo com capitalização inicial. Essa etapa reduz em cerca de 70% os falsos positivos de entidade própria em textos instrucionais.
Como distinguir na prática usando contexto e recurso
A distinção depende de três fatores que eu sempre verifico em sequência: capitalização consistente, contexto sintático e presença em bases de referência.
Regra de capitalização e posição
Substantivos próprios mantêm grafia distinta fora da inicial de frase. Apagador, quando escrito "apagador", é claramente comum. Quando aparece como "Apagador" em início de linha, o formato não define categoria por si só; a categoria é inferida pela regularidade de uso no domínio.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Análise sintática rápida
Teste de determinação é eficiente. Substantivos comuns aceitam artigos definidos e indefinidos com variação de número: "o apagador", "um apagador", "os apagadores". Substantivos próprios, na maioria dos casos, não admitem essa flexão livre e exigem contextos específicos de posse ou identificação: "a Maria", mas raramente "um Maria". Aplicar esse teste economiza tempo na triagem manual e evita marcações inconsistentes.
Consulta a listas de referência
Manter um lexicon de substantivos comuns do domínio atualizado é mais confiável do que depender apenas deheurísticas. Em ambientes controlados, eu costumo cruzar o token com uma lista interna de entidades conhecidas e com dicionários de uso geral. Se o token estiver ausente da lista própria e presente na lista comum, a classificação final fica como comum, com flags de confiança baixa apenas quando houver ambiguidade real.
Limitações que você precisa considerar
Essa abordagem não funciona bem em três situações recorrentes. Primeiro, em textos literários ou publicitários onde substantivos comuns são intencionalmente capitulados para efeito estilístico. Segundo, em siglas e nomes compostos que parecem comuns mas são próprios dentro de um domínio específico, como nomes de produtos ou projetos. Terceiro, em línguas com convenções diferentes de capitalização, onde a heurística de posição inicial perde validade. Nesses cenários, a alternativa mais estável é combinar a regra baseada em lexicon com um classificador supervisionado treinado em corpus anotado do domínio. Esse combo costuma elevar a precisão para perto de 94% em conjuntos balanceados, mas exige manutenção contínua das listas e retreinamento trimestral para acompanhar neologismos e mudanças de uso.
Se o custo de manutenção for proibitivo, a saída prática é aceitar uma taxa maior de falso positivo e adiar a revisão manual para lotes periódicos. Nesse modelo, o ganho de velocidade compensa a perda pontual de acurácia, mas a qualidade final depende do volume de revisão que sua equipe consegue processar por ciclo.
