O que é flexão nominal e verbal na prática
A flexão nominal e verbal é o conjunto de mudanças que palavras sofrem para indicar gênero, número, tempo, modo, pessoa e grau. Não tem segredo, mas a aplicação prática é onde a maioria das pessoas erra. Especificamente em processamento de linguagem natural, lidar com flexão nominal e verbal exige cuidado porque variações morfológicas multiplicam rapidamente o vocabulário do modelo.
Flexão nominal e verbal: como funciona o mecanismo
O nomininal é mais simples. O gênero marca masculino ou feminino (gato/gata, professor/professora), e o número marca singular ou plural (casa/casas). Já a flexão verbal envolve até oito combinações possíveis por verbo: tempo (presente, pretérito perfeito, pretérito imperfeito, futuro do presente, futuro do pretérito), modo (indicativo, subjuntivo, imperativo), pessoa (1ª, 2ª, 3ª), número (singular, plural) e voz (ativa, passiva, reflexiva). O que muitos iniciantes não percebem de cara é que a irregularidade não é distribuição uniforme. Verbos como "ser", "estar" e "ter" concentram a maior parte das formas irregulares do português, enquanto a maioria dos verbos regulares segue padrões previsíveis. Se você está construindo um morfossintaxe pipeline, tratar os irregulares separadamente antes de aplicar regras regulares economiza tempo significativo de depuração.
Na minha experiência, o problema mais chato que encontrei foi com a flexão de "pôr" e seus derivados em textos coloquiais. A forma "pus" no pretérito perfeito coexiste com "puz", e dependendo da região ou do registro do texto, a variação aparece misturada no mesmo corpus. Quando estava treinando um tokenizer para um sistema de análise sintática, o modelo confundia consistentemente "puz" com raiz de "pu+ra" por erro de segmentação. A solução que funcionou foi adicionar uma lista de formas verbais irregulares ao estágio de normalização morfológica antes da análise, usando uma tabela de mapeamento direto em vez de depender de desinências geradas por regra.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Aplicações práticas
Em stemming, a flexão nominal e verbal precisa ser reduzida à raiz da palavra. O Porter Stemmer adaptado para português remove sufixos comuns como "-ção", "-mente", "-mente" e terminações verbais como "-ar", "-er", "-ir". Mas stemming agressivo pode destruir significado. "Coisa" e "coisas" reduzem para "cois", mas "corrente" e "correnta" se fundiriam erroneamente se a regra não diferenciasse sufixos nominais de verbais. Em lematização, o processo é mais refinado. O LEMMA é a forma dicionarizada, enquanto o stem pode ser um fragmento arbitrário. Para flexão verbal, ferramentas como o SpaCy com modelos treinados em português ou o RASP identificam a forma leve do verbo automaticamente, considerando contexto sintático. Isso é importante porque "vi" pode ser 1ª pessoa do pretérito perfeito de "ver" ou 3ª pessoa do pretérito perfeito — o contexto resolve a ambiguidade.
Na geração de texto, controlar a flexão é crítico. Um sistema de data-to-text que produz "O preço aumentou em 5%" no masculino mas esquece de concordar com "taxa" gerando "a taxa aumentou em 5%" com erro de gênero nominal não passa de um bug disfarçado. A flexão nominal e verbal nesses sistemas deve ser validada uma gramática de restrição, não confiada exclusivamente ao gerador estatístico.
Onde isso falha e por quê
O principal gargalo é a ambiguidade morfológica. Uma forma como "cantando" pode ser gerúndio de "cantar" ou adjetivo. Sem contexto, não há como distinguir. Modelos baseados apenas em morfologia produzem taxa de erro de cerca de 8% a 12% em corpora heterogêneos. Adicionar camada de POS tagging reduz para cerca de 2% a 4%, mas nunca some completamente. Outro ponto cego é a variação dialetal. O português brasileiro trata certos registros de informalidade de forma inconsistente. "Nós vamos" versus "nós vais" em algumas regiões, ou a omissão do pronome sujeito que gera ambiguidade de pessoa verbal. Ferramentas treinadas em corpus padrão (como o CETS ou o Wikitext em português) performam pior em textos informais, redes sociais e transcrições orais. A queda de acurácia nesse cenário costuma ser de 15% a 25% em relação ao corpus formal.
Se o seu objetivo é apenas normalização morfológica para busca ou indexação, um approach baseado em regular expressions com dicionário de formas irregulares pode ser suficiente e roda orders de magnitude mais rápido que qualquer modelo estatístico. Se precisa de precisão sintática para downstream tasks como tradução automática ou extração de informação, aí sim vale investir em pipeline com lematizador + tagger + parser dependente.
