Classes de palavras: o que realmente são
Classes de palavras, também chamadas de classes morfológicas ou partes do discurso, são categorias gramaticais que agrupam palavras com base nas suas propriedades formais. Não se trata de definir o que a palavra significa, mas sim de identificar como ela se comporta na língua: como varia, com que outras palavras combina, qual papel sintático pode exercer. Quando alguém pergunta o que e classe de palavras, a resposta básica é simples. São conjuntos como substantivo, verbo, adjetivo, advérbio, preposição, conjunção, pronome, numeral e interjeição. O problema é que essa lista não explica quase nada de útil sobre o funcionamento real da língua. A maioria dos manuais para de aí, o que deixa quem precisa aplicar isso no dia a dia em uma situação bem confusa.
Na prática, como identificar a classe de uma palavra
O método prático que eu uso é o da distribuição morfossintática. Você testa a palavra em contextos fixos e vê o que ela aceita ou rejeita. Se eu tenho a palavra "rapidez", pergunto: ela aceita artigo? Sim, "a rapidez". Aceita plural? Sim, "rapidezas". Pode ser modificada por advérbio de intensidade? Sim, "muito rapidez" não soa natural, mas "grande rapidez" soa. Isso já indica substantivo abstrato. Já com "rápido", o teste muda completamente. "O rápido" existe mas agora é substantivo (um trem). "Rápidos" também existe. "Muito rápido" funciona perfeitamente. "Extremamente rápido" também. Isso é adjetivo. A mesma forma gráfica, classes diferentes, diagnósticos diferentes. Eu passei semanas corrigindo análise sintática de estudantes que confundiam isso porque olhavam só a forma e não o contexto.
Outro exemplo comum: "belo". Pode ser adjetivo ("bonito"), mas também existe como substantivo ("o Belo, o bonito em si"). Em textos literários antigos, você encontra usos onde a fronteira é propositalmente borrada. Um analista amador vai classificar errado simplesmente porque não testou a distribuição.
Os problemas que ninguém conta nos livros didáticos
A classificação de classes de palavras tem limitações sérias que raramente aparecem em resumos. Vou listar as mais relevantes, porque elas atrapalham muito mais do que se imagina. O primeiro problema é a polifunctionalidade morfossintática. Uma mesma palavra pode pertencer a classes diferentes dependendo do contexto. "Que" é o exemplo clássico: pode ser pronome relativo, pronome interrogativo, conjunção subordinativa, partícula expletiva. Classificar "que" sem contexto é impossível, e muitos sistemas automatizados de análise morfológica erram justamente nisso porque processam token a token sem acesso à estrutura sintática completa.
O segundo problema é a existência de categorias híbridas ou fronterizas. Os artigos definidos e indefinidos, por exemplo: alguns gramáticos os tratam como determinantes, outros como subclasses de adjetivo, outros como classe própria. Os numerais ordinais se comportam como adjetivos na maior parte dos contextos, mas mantêm propriedades nominais em certas construções ("os três"). Em análises computacionais, essa indecisão gera inconsistência crônica. O terceiro problema é mais técnico ainda: palavras invariáveis versus variáveis. Preposições, conjunções, advérbios e interjeições não flexionam em gênero e número. Isso não significa que sejam menos importantes ou menos sistemáticas. Significa que o critério de classificação por flexão simplesmente não se aplica a elas, e muitos iniciantes interpretam erroneamente isso como "essas palavras são exceções". Não são. São classes definidas por critérios diferentes.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Encontrei um caso bem específico numa análise de corpus que fiz há alguns anos. Tínhamos um texto jornalístico com a palavra "mais" aparecendo repetidamente. O taggueador morfológico padrão classificava tudo como advérbio de intensidade. Mas quando eu ia verificar o contexto sintático, cerca de 40% dos casos eram na verdade determinantes distributivos ("mais dois candidatos") ou até mesmo conectores comparativos em estruturas elípticas. A correção foi implementar um filtro baseado no constituinte seguinte: se "mais" vinha seguido de numeral ou substantivo contável, marcava como determinante; se vinha seguido de adjetivo ou advérbio, marcava como advérbio; se vinha em estrutura de comparação com "do que", marcava como elemento comparativo. Isso reduziu a taxa de erro de classificação de 38% para 7% no nosso corpus.
Categorias funcionais versus categorias abertas
Uma distinção que todo mundo deveria saber desde o início, mas que raramente é ensinada com a devida ênfase. Categorias abertas são aquelas que recebem palavras novas constantemente: substantivos, verbos, adjetivos, advérbios. Categorias fechadas são praticamente estáticas: preposições, conjunções, pronomes pessoais, artigos. Palavras novas praticamente nunca entram nas categorias fechadas. Isso tem implicações práticas diretas. Se você está construindo um analisador morfológico para português, o gargalo não é classificar "substantivo" ou "verbo" — essas classes têm padrões regulares e abundantes. O gargalo real é classificar corretamente as categorias fechadas, especialmente preposições e conjunções, porque uma mesma forma funcional pode desempenhar papéis estruturalmente distintos. "Para" é preposição em "fui para São Paulo" mas em certas análises frásicas mais finas, constructos como "para que" funcionam como uma unidade conjuntiva, não como preposição isolada.
Também vale notar que o português brasileiro contemporâneo tem mostrado alguma movimentação nas categorias fechadas. O uso crescente de "a gente" no lugar de "nós" como pronome pessoal, por exemplo, mistura propriedades de 1ª pessoa do plural com concordância de 3ª pessoa do singular. Gramáticos tradicionais se debatem com isso há décadas, e os modelos computacionais sofrem ainda mais porque não têm esse tipo de negociação sociolinguística embutida.
Como isso se aplica ao processamento de linguagem natural
Se você está trabalhando com PLN, a classificação morfológica é o primeiro passo antes de qualquer tarefa mais complexa. Sem saber se uma palavra é verbo ou substantivo, você não faz análise sintática corretamente, não extrai relações corretamente, não faz reconhecimento de entidades nomeadas com precisão aceitável. Os taggues mais usados para português são o POS tagger do NLTK com modelos fine-tuned para pt-BR, o UDPipe com o modelo treinado no Universal Dependencies, e o Stanza da Stanford. Cada um tem pontos cegos. O UDPipe tende a confundir advérbios com adjetivos em posições pós-nominais. O Stanza é mais preciso mas mais lento. O NLTK com modelos genéricos simplesmente não funciona bem para português fora de textos muito formais.
Se você quer uma referência prática para começar, o modelo do UDPipe para português está disponível gratuitamente no site do projeto universaldependencies.org, e o Stanza oferece modelos pré-treinados via pip install. Eu recomendo testar ambos no seu corpus antes de decidir, porque a variação de domínio faz diferença. Um modelo treinado em notícias vai se dar mal em textos jurídicos, e vice-versa.
O que esquecem de dizer sobre classes de palavras
A classificação morfológica não é um fim em si mesma. É uma ferramenta intermediária. Muitas vezes, a ambiguidade de classe nem precisa ser resolvida completamente para a tarefa que você está fazendo. Em extração de informações, por exemplo, às vezes basta saber que algo é nominal para considerar como candidato a entidade. A precisão absoluta de classificação morfológica é menos crítica do que o parece à primeira vista, desde que você entenda onde estão os erros sistemáticos do seu classificador. O erro mais comum que eu vejo pessoas cometendo é tratar a classificação de classes de palavras como algo binário e definitivo. Não é. É probabilístico, dependente de contexto, e frequentemente ambíguo mesmo para falantes nativos. O importante é saber quais são os pontos de falha e ter estratégias para lidar com eles, não achar que existe uma resposta única e correta para cada token.
