Substantivos próprios dentro de frases: o que você precisa saber na prática
Recebi uma pergunta no fórum semana passada de alguém que estava tentando analisar texto para um trabalho acadêmico e travou numa situação bem específica. A pessoa tinha uma frase como "o Rio São Francisco abastece dez milhões de pessoas" e não sabia se devia tratar São Francisco como substantivo próprio ou como parte de um nome composto. Isso é mais comum do que parece, porque as regras formais não cobrem todos os casos reais que aparecem em textos do dia a dia.
Como identificar uma frase com substantivo próprio
O conceito em si é simples: um substantivo próprio nomeia um ente único, outros da mesma categoria. Rio de Janeiro, Brasil, Petrópolis — cada um desses nomes se refere a algo específico, e não a qualquer membro genérico de uma classe. Quando você coloca isso dentro de uma frase completa, a estrutura sintática não muda, mas a função semântica fica mais clara. O substantivo próprio exerce a função de argumento ou modificador, dependendo da posição e da preposição que o acompanha. No português brasileiro, há um detalhe que muitos materiais didáticos ignoram: substantivos próprios de lugares podem funcionar como adjuntos adnominais quando aparecem antes de outro nome. rua XV de Novembro é um exemplo. Aqui, XV de Novembro é o substantivo próprio, mas ele modifica rua, que é o substantivo comum. O resultado é uma frase com substantivo próprio integrado a uma expressão nominal maior.
Outro ponto que vale a pena mencionar é a questão da maiúscula. Em português, não escrevemos tudo em maiúsculas como em inglês. Ceará leva maiúscula porque é nome próprio, mas costa permanece em minúscula mesmo quando vem logo depois. Já em nomes de instituições, como Universidade de São Paulo, a convenção pede maiúscula nos elementos principais. Isso varia de acordo com o registro — em textos formais, a norma padrão é mais rigorosa; em legendas de foto ou títulos, pode-se flexibilizar.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Pegadinhas que eu já vi acontecer
Num projeto de edição de texto que fiz em 2023, deparei-me com um caso bem chato. O autor havia escrito: "A Maria foi à clínica no Jardim Europa." A expressão Jardim Europa é um substantivo próprio de bairro, mas alguns analisadores morfológicos automáticos tratavam Jardim como substantivo comum e Europa como o único próprio. O resultado era uma segmentação errada que quebrava a análise sintática inteira. A solução que usei foi criar uma regra personalizada no regex que reconhecesse padrões de nomes de bairros com dois ou mais elementos, usando uma lista de sufixos conhecidos como Jardim, Vila, Bairro, Condomínio. Um insight contra-intuitivo que aprendi na prática é que substantivos próprios de pessoas não sempre exigem artigo definido antes. "O João chegou tarde" é aceitável na fala informal, mas em textos formais, a recomendação da norma culta é omitir o artigo: João chegou tarde. Já em construções com predicativo, como "Ele é o Pedro da equipe", o artigo volta a aparecer porque a função sintática muda completamente. Isso depende do registro linguístico e do contexto pragmático.
Outra nuance queBeginner costumam perder é a questão da flexão de gênero em substantivos próprios de lugares. Porto Alegre é feminino porque Alegre concorda com cidade, mas Curitiba é feminino por convenção histórica, não por concordância morfológica explícita. Em nomes de rios, como Rio Amazonas, o substantivo Rio é comum, mas o conjunto funciona como nome próprio. A análise dependerá do contexto e da tradição de uso.
Quando o sistema falha completamente
É importante ser objetivo aqui: a identificação automática de substantivos próprios em grandes corpora textuais tem limitações sérias. Em textos jornalísticos, nomes de pessoas podem aparecer sem maiúscula inicial em certas publicações alternativas. Em transcrições de fala espontânea, a capitalização é quase inexistente. Nomes de obras artísticas, como Geração de Zero, podem ser tratados como substantivos comuns por analisadores ingênuos. A precisão usual cai de 95% para cerca de 70% quando se lida com textos digitados de baixa qualidade, dependendo do domínio. Para contornar isso, recomendo usar uma combinação de regras heurísticas com modelos estatísticos. A abordagem baseada em dicionário cobre cerca de 80% dos casos, mas perde nomes de entidades compostas com dois ou mais elementos. Já o uso de CRF (Conditional Random Fields) melhora a precisão para cerca de 90%, mas exige um corpus de treinamento balanceado. Nenhuma abordagem isolada resolve o problema completamente — o ideal é combinar as duas.
Se você está trabalhando com análise de texto para produtos ou sistemas de busca, vale a pena considerar ferramentas como o spaCy ou o NLTK, que possuem reconhecer nomes próprios de forma mais robusta. A escolha dependerá do domínio, da língua e dos recursos computacionais disponíveis. Em português brasileiro, o tratamento de substantivos próprios em frases com preposição exige atenção especial, porque a fronteira entre nome próprio e expressão nominal nem sempre é clara.
