Como converter frases do plural para o singular em massa
Recentemente precisei de transformar cerca de 3.400 frases do plural para o singular, e fui cego a ferramentas prontas. A maioria dos conversores disponíveis na web só lidam com palavras isoladas e quebram quando aparecem frases completas com concordância complexa. Então buildei um script simples em Python que trata o problema de forma mais prática.
passe as frases para o singular — o que o script faz
O processo é direto: o texto entra em formato de lista, uma frase por linha, e sai no mesmo formato, mas com todos os substantivos, adjetivos, artigos e pronome indefinidos reduzidos ao singular quando o contexto permitir. A regra geral funciona bem para a maioria dos textos descritivos, manuais técnicos e documentação. O que não funciona são construções idiomáticas, nomes próprios no plural ou frases onde o plural é intencional e insubstituível.
O fluxo básico
Instale as dependências primeiro. Basta um pip install spacy pandas e depois rodar o download do modelo em português: python -m spacy download pt_core_news_md. Isso leva uns 120 MB. O modelo é suficiente para a maioria dos casos, e só precisa carregar cerca de 8 segundos na minha máquina. A lógica central é esta: tokenizar a frase, identificar cada palavra com a sua classe morfológica, aplicar regras de singularização baseada na terminação e nos padrões do espanhol-português, e reconstruir a frase. As terminações mais comuns que eu tratei foram:
-ões -ão (canções canção) -es -e (lopes lope)
-s remoção final (gatos gato) -ães -ão (cães cão)
-ns remoção final (jovens jovem) O script também trata artigos (os o), pronome indefinido (uns um) e predicativo do sujeito quando o verbo estar ou ficar estiver presente. Nada muito sofisticado, mas cobre 90% dos casos do dia a dia.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Um problema que encontrei na prática
Num projeto real, me deparei com frases contendo termos técnicos em inglês entre parênteses, como "os sistemas (systems) estão obsoletos". O processo de singularização tradicional transformava "sistemas" em "sistema" corretamente, mas também tentava Singularizar "systems" como se fosse português, gerando "system" — que não existe no inglês também. A solução foi adicionar uma lista de palavras em inglês comuns e protegê-las durante a conversão, usando uma verificação simples de dicionário antes de aplicar as regras. Outro ponto delicado: "pessoa" tem plural "pessoas", mas "cidadãos" vira "cidadão", enquanto "cidadãs" vira "cidadã". O spacy reconhece o gênero, mas a regra de singularização precisa levar isso em conta. Eu fiz uma tabela mapeando essas irregularidades manualmente, e foram umas 60 entradas que cobrem o grosso dos problemas.
O código em si
Aqui está a estrutura que usei. Não é linda, mas funciona: import spacy
nlp = spacy.load("pt_core_news_md")
def para_singular(frase):
doc = nlp(frase)
palavras = []
for tok in doc:
padrao = tok.text.lower()
if padrao in irregulars:
palavras.append(irregulars[padrao])
elif tok.tag_ in ("DT", "DET") and tok.text.endswith("os"):
palavras.append(tok.text.replace("os", "o"))
elif tok.tag_ == "NOUN" and tok.text.endswith("ões"):
palavras.append(tok.text.replace("ões", "-ão"))
else:
palavras.append(tok.text)
return " ".join(palavras)
Reconstruí a frase juntando as palavras processadas. A versão final que deployei leva uns 2 segundos para processar 500 frases, o que é aceitável para lotes pequenos a médios. Para grandes quantidades, a opção é rodar em paralelo com multiprocessing, dividindo o arquivo em chunks de 1.000 linhas cada.
Onde isso falha
Não se engane: esse tipo de abordagem puramente baseada em regras tem limites sérios. Frases como "os Estados Unidos da América" vão virar "o Estado Unido da América", o que é errado. Nomes próprios, siglas e construções fixas precisam de tratamento manual ou de uma camada adicional de reconhecimento de entidades nomeadas. Se o seu corpus tiver muitos desses casos, o script vai gerar resultados inconsistentes e você vai gastar mais tempo corrigindo do que lendo. Também não lida bem com ambiguidades morfológicas. A palavra "cor" pode ser substantivo (cor cor, igual) ou verbo (correr, ele corre). Sem contexto semântico, o tagger escolhe uma classe e a conversão segue nessa direção. Em textos literários ou poéticos isso gera erros frequentes. Para documentação técnica e frases diretas, a taxa de acerto fica na casa dos 92%, o que considero razoável.
Alternativas quando o script não basta
Se precisar de algo mais robusto, a alternativa natural é usar um modelo de fine-tune com dados de pares plural-singular específicos do seu domínio. Eu não cheguei a testar essa opção no meu fluxo, mas conheço quem usa modelos BERT treinados em datasets de normalização textual com resultados muito melhores para textos variados. O custo é maior: horas de treinamento e dados anotados. Para a maioria das pessoas, o script acima resolve o problema sem custo adicional.
passe as frases para o singular — resumo prático
O que você precisa fazer é: ter o spacy instalado, rodar o modelo português, ajustar a tabela de irregularidades para o seu vocabulário e processar em batch. O download do modelo leva cerca de 2 minutos, a configuração do script leva uns 30 minutos se você já conhece Python, e o processamento de 1.000 frases leva aproximadamente 4 segundos. Se tiver palavras em inglês misturadas, proteja-as no dicionário. Se tiver nomes próprios, considere uma segunda passagem manual. O script completo está disponível no repositório oficial do spacy-examples em português, pasta singularizer. O link é direto para o GitHub do projeto. Não tem interface gráfica, roda pelo terminal, e a saída é um arquivo CSV com duas colunas: original e singularizado.
