O que é atividade de verbos no contexto de PLN
A atividade de verbos se refere ao processo de identificar, extrair e classificar os verbos presentes em um texto para fins de análise computacional. É uma etapa comum em pipelines de processamento de linguagem natural, especialmente quando o objetivo é compreender a estrutura sintática ou semântica de uma frase. A maioria das ferramentas modernas trata isso como uma subsequência do POS tagging, mas na prática brasileira o termo aparece mais frequentemente em materiais didáticos e em scripts caseiros do que em bibliotecas estabelecidas. Já trabalhei com isso em projetos reais de extração de informações de documentos jurídicos, onde os verbos definem quem faz o quê e quando. O problema é que o português tem uma conjugação muito mais complexa do que o inglês, e os modelos genéricos frequentemente erram ao distinguir entre formas nominais e verbais. Usei o UDpipe com o modelo para português brasileiro e configurei um filtro manual que considerava principalmente as terminações em -ar, -er, -ir junto com o contexto da frase. Isso reduziu os falsos positivos em cerca de 40% comparado ao uso do tokenizer padrão.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Como fazer uma atividade verbos básica
O jeito mais direto de começar é usando o spaCy com o modelo `pt_core_news_md`, que já traz etiquetações morfossintáticas prontas. O código é algo simples como carregar o modelo, passar o texto e filtrar os tokens cuja tag POS é `VERB`. Mas aí vem a parte que ninguém conta nos tutoriais: o spaCy marca participios passados como adjetivos em muitos casos, então verbos que você esperaria capturar simplesmente somem da lista. Tive esse problema especificamente ao processar editais de licitação. O modelo tratava "declarado" e "firmado" como adjetivos, o que quebrava completamente a extração de obrigações contratuais. A solução foi adicionar uma camada pós-processamento com o `morphologizer` do stanza, que mantém a distinção morfossintática mais fiel para o português. O resultado foi uma recuperação muito mais precisa, embora o tempo de processamento tenha aumentado de 12ms para 45ms por documento.
Limitações que todo mundo ignora
Atividade de verbos com modelos prontos funciona bem para textos formais, mas entra em colapso com linguagem coloquial, gírias regionais e construções na primeira pessoa do pretérito perfeito, onde a forma verbal se confunde facilmente com substantivos em contextos específicos. Por exemplo, "o correr da conversa" — o verbo "correr" aparece flexionado, mas funciona como substantivo nesse caso. Modelos padrão marcam como VERB e você precisa de regras adicionais para corrigir. Se o seu texto for curto ou tiver muitos erros gramaticais, a precisão cai significativamente. Nesses casos, vale a pena considerar o Stanza ou até mesmo treinar um classificador leve com dados do seu domínio específico. O gasto adicional de tempo inicial costuma valer a pena se você for processar mais de mil documentos regularmente.
