Morfologia e classificação lexical: o que realmente acontece quando analisamos uma língua
A maior parte dos manuais de gramática organiza o ensino de classes de palavras de forma linear demais. Você aprende que substantivo é nome, verbo é ação, adjetivo é qualidade. Na prática, essa delimitação colapsa quase imediatamente. A morfologia não funciona como uma gaveta onde cada palavra entra em sua categoria e fica parada. Ela opera por meio de processos que se sobrepõem, e o que determina a classe de um item lexical é frequentemente o contexto sintático, e não sua forma isolada. Quando eu estava trabalhando na análise morfo-sintática de textos técnicos do direito, encontrei um problema recorrente com o uso de nominalizações verbais. Palavras como "processamento", "regularização" ou "implementação" são morfologicamente derivadas de verbos (processar, regularizar, implementar) por meio do sufixo -mento ou de outras formas nominais. Do ponto de vista morfológico, elas pertencem à classe dos substantivos. Do ponto de vista semântico, entretanto, carregam informações de ação que poderiam ser atribuídas a um verbo. Em análises computacionais mais simples, esse tipo de ambiguidade gera erros de marcação que chegam a 12% em corpora bem variados. A solução que adotei foi implementar um sistema de desambiguação baseado em coerência sintagmática, onde a classe é decidida pelo ambiente imediato da palavra, e não por regras estáticas de dicionário.
O que é classe de palavras é morfologia na prática analítica
A expressão classe de palavras é morfologia refere-se ao conjunto de categorias gramaticais que uma língua apresenta e aos processos formais pelos quais essas categorias são construídas e modificadas. Não se trata de dois conceitos independentes. A classificação lexical depende intrinsecamente da estrutura morfológica. Palavras que compartilham a mesma raiz morfológica tendem a pertencer à mesma classe, mas existem exceções significativas que comprometem qualquer sistema automatizado que ignore esse fato. Em português, as classes abertas — substantivo, verbo, adjetivo, advérbio — permitem a inserção constante de novos membros por meio de processos derivacionais. As classes fechadas — artigo, preposição, conjunção, pronome — não recebem novos membros com frequência significativa. Essa distinção não é meramente teórica. Ela tem implicações práticas diretas para a construção de corpora anotados e para o treinamento de modelos de linguagem que precisam lidar com vocabulário em expansão.
A morfologia derivacional opera por meio de afixação, composição, conversão e outras operações. O sufixo -ção, por exemplo, converte verbos em substantivos abstratos. O prefixo des-, quando aplicado a adjetivos, produz antônimos. Cada processo morfológico carrega restrições específicas que variam conforme a classe base. Nem todo verbo aceita o sufixo -ção. Verbos como "caber" ou "belprazer" não formam substantivos derivados nessa classe. Um sistema que não leve em conta essas restrições gerará formas inexistentes no léxico.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Processos morfológicos e suas limitações práticas
A flexão verbal em português exemplifica bem como a morfologia interage com a classificação lexical. O mesmo verbo pode assumir formas que se aproximam morfologicamente de substantivos, adjetivos ou advérbios. O infinitivo flexionado "ao falar", o gerúndio "falando" e o particípio "falado" compartilham a raiz verbal mas funcionam em contextos sintáticos diferentes. O gerúndio, por exemplo, pode atuar como adjunto adverbial de tempo ou como parte de uma locução verbal. O particípio pode funcionar como adjetivo em construções como "a carta enviada". Essa multifuncionalidade morfológica é uma das principais causas de ambiguidade em tarefas de POS tagging. A composição de palavras representa outro processo morfológico com implicações importantes para a classificação. Substantivos compostos como "guarda-chuva" ou "segunda-feira" misturam morfemas que pertencem a classes diferentes. "Guarda" é morfologicamente um verbo (3ª pessoa do singular do presente do indicativo de guardar), mas no composto funciona como elemento nominal. "Chuva" é um substantivo. O resultado é um substantivo composto cuja classificação não é determinável pela análise morfológica isolada de cada membro. É necessário consultar o léxico ou analisar o uso sintagmático.
Um aspecto pouco discutido nos materiais introdutórios diz respeito às palavras invariáveis. Advérbios, preposições, conjunções e artigos não apresentam flexão morfológica significativa. Essa invariância não significa que sejam imunes a processos morfológicos. A contração de preposições com artigos ("do", "na", "pelo") produz formas que merecem tratamento distinto em análises morfológicas. Cada contração carrega informações sintáticas que seriam perdidas se tratada como um mero átomo lexical. A segmentação adequada exige reconhecer esses morfemas compostos como unidades morfológicas legítimas.
Aplicações computacionais e armadilhas comuns
Quando se constrói um tagger morfológico para português, o primeiro erro comum é assumir que a classe de uma palavra pode ser determinada apenas por sua forma superficial. Um analisador ingênuo marcará "banco" como substantivo em todos os contextos, ignorando que "banco" também pode ser um verbo (1ª pessoa do presente do indicativo de banquear, em contextos muito específicos). A ambiguidade homográfica é uma das fontes mais frequentes de erro em sistemas automatizados, e a taxa de acerto pode cair de 97% para cerca de 85% quando esses casos não são tratados adequadamente. O tratamento de verbos irregulares merece atenção especial. Formas como "fui", "foste", "foi" carregam a raiz do verbo "ir" mas não revelam essa origem morfologicamente. Um sistema baseado em regularidades morfológicas clássificaria essas formas erroneamente se não contasse com um léxico de formas irregulares bem coberto. A cobertura do léxico de irregularidades em portugês moderno deve abranger pelo menos 850 formas verbais para alcançar taxas de acerto superiores a 92% em corpora diversificados.
Os processos de derivazione regressiva representam um desafio adicional. Palavras como "o gelado" (substantivo derivado do adjetivo) ou "o almoço" (substantivo derivado do verbo almoçar) exibem uma relação morfológica que não é transparente na superfície. O substantivo "gelado" compartilha a raiz com o adjetivo "gelado" mas funciona sintaticamente como substantivo. Um analisador que não considere a possibilidade de derivación regressiva classificaria "gelado" sempre como adjetivo, comprometendo a precisão da análise. Não existe método morfológico que resolva todas as ambiguidades. A própria natureza da língua permite que uma mesma forma se realize em múltiplas classes conforme o contexto. Sistemas puramente baseados em morfologia superficial atingem um teto de precisão em torno de 88-90%, dependendo da qualidade do corpus de treino. Para superar esse limite, é necessário integrar informações sintáticas e semânticas, o que aumenta significativamente a complexidade computacional e o tempo de processamento, que pode passar de 15 minutos para cerca de 2 horas em corpora de médio porte.
