Palavras com significados diferentes: por que elas te prenam no dia a dia
A gente passa a vida inteira lidando com palavras que têm mais de um sentido. Banco pode ser assento ou instituição financeira. Cela pode ser prisão ou divisão administrativa. A coisa parece simples até você precisar explicar isso para alguém ou fazer uma busca técnica e o resultado não bater. Eu comecei a prestar atenção nisso quando trabalhava com indexação de conteúdo para um sistema de busca interno. O código ia pegar a palavra-chave e retornar resultados, mas o índice simplesmente não diferenciava os sentidos. A consulta por "pena" retornava tudo misturado: pena de morte, pena de ave, o verbo penar. O usuário final ia lá e via resultados irrelevantes, reclamava, e a gente tinha que justificar. Não era bug. Era ambiguidade lexical mesmo.
Palavras com significados diferentes na prática
O que a gente chama de palavras com significados diferentes tem um nome técnico que depende do que você tá olhando. Se os sons são iguais mas a grafia muda, são homófonos. Se a grafia é igual mas a pronúncia varia, são homgrafos. Se tudo é igual, aí sim, é homônimo puro. A confusão começa quando as pessoas tratam tudo como se fosse a mesma coisa. A diferença importa porque as soluções técnicas são diferentes. Para homófonos como "conserto" e "conserto", o processamento de linguagem natural precisa de normalização fonética. Para homógrafos polissêmicos como "circuito", que pode ser elétrico, esportivo ou rodoviário, você precisa de desambiguação contextual. São problemas distintos que muitas vezes são resolvidos da mesma forma ruim: jogando tudo na mesma gaveta.
👉 Clique no botão abaixo para saber mais sobre o assunto!
No meu caso concreto, o empate veio num projeto de extração de entidades de um corpus jurídico. A palavra "cível" aparecia em contextos que o modelo confundia com "cível" como adjetivo de processo, mas também havia o uso arcaico que aparece em documentos do século XIX. O workaround que funcionou foi criar um filtro baseado no coocorrente: se as palavras ao redor eram "processo", "sentença", "réu", o modelo pesava o sentido jurídico. Se apareciam termos de outra natureza, o score caía. Achei isso depois de testar uns três modelos de machine learning e ver que nenhum deles lidava bem com o problema sem help externo. Levei cerca de duas semanas para ajustar o filtro e ganhar uma precisão de 87%, que é bastante honesta pra esse tipo de tarefa. O que muita gente não leva em conta é que polissemia não é defeito da língua. É economia. O cérebro humano usa o mesmo formato fonológico para conceptos relacionados porque faz sentido cognitivo. "Banco" financeiro e "banco" de jardim compartilham a ideia de assento longo e suportador. O problema aparece quando você tenta tratar palavras como unidades atômicas, sem contexto.
Se você tá começando agora a trabalhar com isso, a dica mais prática é construir um lexico polissêmico antes de qualquer coisa. Um arquivo simples, em JSON ou CSV, com cada sentido mapeado, exemplos de uso, e o campo semântico de cada um. Isso já resolve 60% dos problemas que aparecem nas primeiras implementações. O resto vem da experiencia mesmo, que é aquela coisa de ler muito texto do dominio que voce vai processar e notar os padrões de ambiguidade que aparecem de verdade. Há ainda um ponto que costuma ser ignorado: palavras com significados diferentes podem variar regionalmente. "Vultoso" no Brasil é algo de grande volume, mas em Portugal o uso clássico remete a algo respeitado, digno. Se seu sistema vai lidar com texts de origens diferentes, esse detalhe pode destruir suas métricas sem que você entenda o porquê.
A ferramenta que eu pessoalmente uso pra organizar tudo isso é uma planilha de controle com colunas para palavra, sentido, campo semântico, exemplo, nível de ambiguidade e região de uso. Parece besteira, mas é muito mais rápido do que tentar resolver cada problema no momento em que ele aparece. E funciona.
