Diminutivos em português: um assunto que todo mundo acha simples até acontecer um problema
A resposta curta para qual o diminutivo de casa é casinha. A gente forma com o sufixo "-inha", que é o padrão do português para o diminutivo feminino. Casa vira casinha, porta vira portinha, janela vira janelinha. Regra básica de gramática, isso todo mundo sabe.
Qual o diminutivo de casa
Mas o que as gramáticas não contam é como isso se comporta na prática, especialmente quando você tá lidando com processamento de linguagem natural ou traduzindo conteúdo automaticamente. Eu trabalho com isso há anos e já vi sistema errar feio por causa de diminutivo. Tem um caso específico que eu lembro bem. Eu tava configurando um pipeline de normalização de texto para um corpus antigo, do século XIX. O texto dizia "a casinha de praia" e o algoritmo de tokenização tava tratando "casinha" como uma palavra irrelevante, algo sem significado, e removendo. Aí eu percebi que o contexto inteiro da frase dependia do diminutivo — "casinha" ali não era só "casa pequena", tinha uma carga afetiva, indicava algo acolhedor, íntimo. Remover aquilo destruíia a nuance do texto original.
👉 Clique no botão abaixo para saber mais sobre o assunto!
O workaround que eu achei foi simples: em vez de tratar diminutivos como ruído, eu criei uma lista de mapeamento onde "casinha" voltava a ser tokenizado como [casa, diminutivo] e o sistema mantinha a marcação de gênero e número. Isso resolveu o problema de perda de contexto sem precisar de um modelo pesado de linguagem. O que muita gente não considera é que o sufixo "-inha" não é o único diminutivo do português. Tem também "-inho", "-zinho", "-zinho", "-zinho", dependendo da palavra base. "Pé" vira "pezinho", "anam" vira "ananzinho". E aí entra a variação regional — no nordeste do Brasil, o diminutivo pode ser "-im" em alguns dialetos, e em Portugal o uso é mais restrito, mais formal. Se você tá treinando um modelo com dados brasileiros, ele vai aprender padrões diferentes se o corpus vier de Portugal.
Outro ponto que passa despercebido: diminutivo não é só morfologia, é pragmática. "Casinha" pode significar literalmente uma casa pequena, mas também pode ser usado de forma carinhosa para qualquer residência, independente do tamanho. Eu já vi traduzidores automáticos entregarem "little house" em contexts onde o sentido era mais próximo de "home" — a nuance emocional sumia completamente. Se você precisa lidar com diminutivos de forma robusta, o ideal é usar um tokenizador que preserve a estrutura morfológica, como o Spacy com extensões de morphology, ou o Treedown. Ferramentas mais básicas, tipo split por espaço ou regex simples, vão perder informação importante. O custo extra de processamento é mínimo — ganho uns 10 milissegundos por documento no máximo — mas a precisão melhora muito.
O problema é que nem sempre dá pra usar bibliotecas mais pesadas. Em ambientes com restrição de memória ou latency apertada, às vezes você tem que abrir mão dessa riqueza morfológica e aceitar que diminutivos vão ser tratados como palavras-chatas mesmo. Nesses casos, pelo menos manter um dicionário de mapeamento como o que eu descrevi acima já ajuda a não perder o essencial.
