O que é e como identificar uma frase com substantivo próprio
Uma frase com substantivo próprio é qualquer estrutura em que aparece um nome que identifica um ser ou entidade única. São os nomes próprios: Maria, Brasil, Microsoft, Amazonas, Copernicus. A diferença entre substantivo próprio e comum não é só ortográfica — ela muda como a frase se comporta na análise sintática e na padronização de textos técnicos. Eu já perdi tempo demais tentando automatizar capitalização em corpora jurídicos porque os escritórios mais antigos insistem em tratar "Constituição Federal" como entidade própria, mas tratam "ministro" em minúsculas, mesmo quando se refere a uma figura específica. O resultado era um texto visualmente inconsistente que quebrava scripts de normalização. A solução que eu uso hoje é criar um dicionário interno de entidades do domínio, marcar as que devem sempre ter letra maiúscula, e deixar o resto para as regras gerais de capitalização do português. Sem isso, você passa horas corrigindo falsos positivos.
Como montar uma frase com substantivo próprio sem errar na prática
O primeiro passo é escolher o substantivo próprio certo e colocá-lo em posição que não embaralhe a regência. Em português, a ordem dos constituintes é flexível, então a frase com substantivo próprio pode aparecer no início, no meio ou no final sem alterar o sentido básico. O problema real é a concordância e a preposição que acompanha o nome. Vou dar um exemplo direto. A frase "Ana viajou para Lisboa na terça-feira" contém dois substantivos próprios, "Ana" e "Lisboa". "Ana" funciona como sujeito. "Lisboa" é termo regido pela preposição "para", exercendo função de complemento nominal/adjunto adverbial de destino, dependendo da análise que você adotar. Nada dramático, apenas a estrutura padrão.
Outro caso, menos óbvio: "O relatório da Petrobras foi publicado em Brasília." Aqui temos "Petrobras" como adjunto adnominal dentro do sintagma nominal "o relatório da Petrobras", e "Brasília" como adjunto adverbial de lugar. A frase com substantivo próprio continua válida, mas a presença de "da" exige que o analisador sintático não confunda o possessivo com regência verbal.
Regras essenciais que as pessoas costumam confundir
Uso da letra maiúscula. Substantivos próprios se escrevem com inicial maiúscula. Isso parece trivial, mas a maior fonte de erro não está nas pessoas e cidades, e sim nas denominações de instituições, documentos, eventos e obras. "Universidade de São Paulo" leva maiúsculas nos elementos principais, mas artigos, preposições e conjunções ficam em minúsculas, salvo se iniciarem a frase. "Constituição de 1988" também segue essa lógica, diferentemente de "constituição" escrito em minúsculas, que é substantivo comum. Locuções substantivas próprias. Expressões como "Rio de Janeiro", "São Paulo", "estrada BR-101" funcionam como um único substantivo próprio. O plural também precisa ser tratado com cuidado: "Os Estados Unidos", "os Países Baixos". Erros de pluralização são frequentes e geram inconsistência em indexação e busca.
Substantivos próprios que viram comuns. Nomes como "cristo", "quitte", "bonapartista" foram próprios e hoje são comuns em muitos contextos. A fronteira é contextual, não absoluta. Em textos religiosos, "Cristo" pode manter maiúscula; em discussões histórico-linguísticas, o tratamento varia conforme a norma adotada.
Pegadinhas que aparecem com frequência
A primeira é a confusão entre função sintática e classificação morfológica. Um substantivo próprio pode ser sujeito, objeto direto, complemento nominal, adjunto adverbial, aposto, vocativo. A classificação como próprio não determina a função. Eu vejo muita gente achar que, por ser nome próprio, a palavra ocupa sempre posição de sujeito, o que é incorreto. A segunda pegadinha é a interação com artigos. Em português, alguns substantivos próprios exigem artigo: "o Brasil", "a França", "o Portugal". Outros não: "Londres", "Maria". O uso do artigo afeta a concordância e a análise. "O Brasil cresceu" e "Brasil cresceu" têm registros diferentes; o primeiro é o padrão em boa parte dos gêneros formais, enquanto o segundo aparece mais em títulos, legendas e estilos jornalísticos econômicos.
👉 Clique no botão abaixo para saber mais sobre o assunto!
A terceira é a formação de derivados. Quando um substantivo próprio gera adjetivos, o tratamento Ortográfico mudou com o Acordo de 1990. "Egito" vira "egípcio", com minúscula, salvo no início da frase. O mesmo vale para "paris" como adjetivo, embora o nome da cidade continue sendo "Paris". Muitos sistemas de correção automática ainda tratam esses derivados como entidades próprias, o que gera ruído.
Um caso real que eu enfrentei e como resolvi
Houve um projeto de normalização de atas legislativas em que o corpus continha referências a "lei", "projeto de lei", "medida provisória" acompanhados de numeração e ano. A equipe queria padronizar todas as citações. O problema era que "Lei 13.465/2017" é uma expressão que funciona como substantivo próprio em contexto jurídico, mas "lei" sozinho é comum. Além disso, alguns documentos usavam "Lei n°" e outros "Lei nº", com variantes de digitação. A solução que funcionou foi uma camada dupla: primeiro, uma regex capturava padrões de numeração legislativa e os substituía por uma forma canônica, usando "Lei nº X/AAAA". Depois, um dicionário de entidades marcava essas formas canônicas como próprias. Para os casos fora do padrão, eu aplicava regras de capitalização contextual baseadas no domínio. Esse processo reduziu a variabilidade de referência de cerca de 40 formas diferentes para um conjunto de 6 formas canônicas, e o tempo de revisão manual caiu de horas para minutos por lote.
Quando uma frase com substantivo próprio pode falhar
Não adianta fingir que a regra é universal. Em textos multilíngues, a capitalização de nomes próprios varia conforme a língua. "New York" em inglês, "Nova Iorque" em português. Se seu sistema trata apenas a forma portuguesa, ele gera inconsistência em publicações bilíngues. Em domínios científicos, nomes de espécies seguem regras latinas com minúscula no específico e maiúscula no gênero, enquanto nomes próprios humanos mantêm a maiúscula habitual. Misturar essas convenções em um mesmo pipeline de extração de entidades é uma das causas mais comuns de falsos positivos. Eu já vi modelos classificar "homo sapiens" como entidade própria porque treinaram com corpus generalistas.
Outro ponto fraco é a ambiguidade de nomes compostos. "Grande Rio" pode ser uma expressão descritiva ou o nome oficial da cidade do Rio de Janeiro em certos contextos históricos e turísticos. Sem informação de domínio, a classificação fica incerta. A abordagem mais honesta é manter a ambiguidade marcada e resolver no pós-processamento, usando restrições de contexto.
Checklist prático para escrever e revisar
Verifique se o nome identifica uma entidade única no contexto. Confirme a maiúscula inicial e trate artigos, preposições e conjunções conforme a norma. Decida se a expressão composta é entidade única ou descrição. Ajuste derivados conforme a ortografia vigente. Se houver numeração ou ano vinculados, padronize o formato antes de classificar. Em textos formais, prefira a forma com artigo quando o uso consolidado do domínio exigir. Um exemplo rápido de revisão: "maria foi à italia visitar o Vaticano." Fica "Maria foi à Itália visitar o Vaticano." A correção envolve maiúsculas em "Maria" e "Itália", e tratamento de "Vaticano" como substantivo próprio geográfico/institucional, não como comum. Simples, mas fácil de errar em lote grande se não houver confirmação automática dos casos patológicos.
O resto é prática. Leia textos do domínio que você vai trabalhar, colete os substantivos próprios recorrentes, monte um glossário e aplique regras de normalização antes de qualquer análise sintática ou extração de entidades. Quanto mais cedo você tratar a forma, menos retrabalho no final.
