Por que o seu analisador morfológico não funciona em português e o que você precisa entender antes de começar
Achei que sabia tudo sobre morfologia quando comecei meu projeto de processamento de linguagem natural há alguns anos. Estava errado. A maioria dos tutoriais que você encontra na internet trata o elemento morfico como se fosse uma questão de dividir palavras em partes e montar um dicionário. Não é. Eu levei três semanas para descobrir isso depois de ter construído um pipeline inteiro baseado em regras que simplesmente não funcionava na prática.
O que realmente é um elemento morfico
O conceito é mais simples do que parecem os livros-texto: é a menor unidade da língua que carrega significado. Nada mais, nada menos. Na prática, isso significa que "gatinho" tem três elementos morficos distintos — o radical "gat", o aumentativo "inh" (ou diminutivo, dependendo da análise), e o marcador de plural "s". Ou, mais controversamente, alguns linguistas dividem em "gat", "inh" e "s", enquanto outros veem "gat", "inh" apenas, tratando o plural como algo separado. A questão é que essa divisão nunca é totalmente consensual. Elementos morficos livres são aqueles que existem sozinhos, como "casa" ou "correr". Elementos morficos ligantes precisam sempre se anexar a algo, como os prefixos "des-", "re-", "pré-" ou os sufixos "-ção", "-mente", "-eiro". Essa distinção parece óbvia até você tentar aplicá-la em textos informais, onde palavras como "pedágio" se dissolvem no dialeto regional e passam a funcionar como afixos em contextos que nenhum dicionário prevê.
Como classificar na prática
Antes de qualquer algoritmo ou ferramenta, você precisa dominar os tipos. Derivacionais criam novas palavras com significados distintos — "feliz" vira "infeliz" (negativo), "infelicidade" (substantivo), "infelizmente" (advérbio). Cada etapa adiciona um elemento morfico derivacional que altera a classe gramatical e o significado.Inflectionais, por outro lado, não mudam a classe: "gato" vira "gatos", "cantar" vira "cantei". A classe permanece a mesma, o que é útil para filtragem em pipelines de NLP, mas confuso para quem espera que cada afixo tenha uma regra fixa. O mesmo sufixo "-inha" pode ser diminutivo em "livrinho" e afetivo em "amorinha". O contexto decide. Meu primeiro erro foi tentar mapear cada afixo a uma função única. Funciona até você encontrar "felicidade" — onde "-dade" é claramente um elemente morfo que transforma adjetivo em substantivo, mas não adiciona sentido diminitivo. Esse tipo de caso exige análise morfológica sensível ao contexto, não regras fixas.
👉 Clique no botão abaixo para saber mais sobre o assunto!
A armadilha que eu caí (e como me livrei)
Tinha um dataset com mais de 200 mil tweets em português para classificação de sentimentos. Meu tokenizador padrão separava tudo corretamente, exceto por uma coisa: pronomes oblíquos átonos. "Diz-me", "chamei-o", "enviou-lhe". Quando o morfossintaxe tentava analisar essas formas, tratava o pronome como parte do verbo e a coisa toda desmoronava. A accuracy caiu de 94% para 71% só por causa disso. A solução foi escrever um pré-processador específico que tratava aglutinações de pronomes oblíquos como uma única unidade morfológica, extraindo o verbo e o pronome antes de qualquer análise posterior. Demorou uma tarde. O ganho foi imediato e permanente. Isso é o tipo de detalhe que ninguém menciona nos tutoriais, mas que separa um sistema que funciona em artigos acadêmicos de um que funciona no mundo real.
Limitações e quando abandonar essa abordagem
O maior problema do elemento morfico aplicado a processamento computacional é que o português tem uma quantidade enorme de exceções. Verbs como "ir", "fazer" e "poder" conjuga de formas que ignoram completamente qualquer padrão morfológico previsível. Em certos casos, a melhor abordagem é usar um stemmer já treinado — o RSLP, por exemplo, desenvolvido pelo NTLI da PUC-RS, que lida muito bem com as irregularidades do português brasileiro. Ele não é perfeito, mas é significativamente melhor do que tentar implementar suas próprias regras morfológicas do zero, a menos que você tenha um caso de uso muito específico que exija controle fino sobre cada afixo. Outra limitação importante: elementos morficos variam entre variedades do português. O que é um sufixo diminutivo no português europeu pode não funcionar da mesma forma no português brasileiro, e vice-versa. "Trabalho" vira "trabalhinho" no Brasil, mas em Portugal a forma "trabalheiro" tem conotação diferente. Se seu sistema precisa funcionar para falantes de múltiplas variedades, leve isso em conta desde o início.
Não existe uma solução única para todos os cenários. Se você está construindo algo para pesquisa acadêmica, recomendo trabalhar com a estrutura clássica de morfologia distribuída e testar diferentes abordagens no seu corpus. Se é para produção, o caminho mais rápido costuma ser usar uma biblioteca madura e ajustar o pós-processamento para os casos edge que ela não cobre. Meu conselho prático: não tente reinventar a morfologia portuguesa. Aprenda como ela funciona, identifique onde seu caso específico se encaixa, e construa a partir daí. O resto é trabalho de ajuste iterativo, não de descoberta teórica.
