(corpus au pluriel) ou corpus de texte est un ensemble de textes (maintenant habituellement électroniquement stockées et traitées) grand et structuré. Elles sont utilisées pour faire l'analyse statistique, vérifier les occurrences ou validation de règles linguistiques sur l'univers spécifiques. Un corpus peut contenir des textes dans une seule langue (corpus monolingue) ou données texte dans plusieurs langues (corpus multilingue). Corpus multilingue qui ont été spécialement formatés pour comparaison côte-à-côte sont appelés corpus parallèles alignés. Afin de rendre les corps plus utiles pour faire de la recherche linguistique, elles sont souvent soumises à un processus appelé annotation. Un exemple d'annoter un corpus est partie-de-discours-marquage ou marquage POS, à qui des informations sur partie du discours de chaque mot (verbe, nom, adjectif, etc.) sont ajoutées au corpus sous la forme de balises. Un autre exemple est indiquant la forme lemme (base) de chaque mot. Lorsque la langue du corpus n'est pas une langue de travail des chercheurs qui les utilisent, brillance Interlinéaire est utilisée pour faire la bilingue de l'annotation. Corpus sont la principale base de connaissances en linguistique de corpus. L'analyse et le traitement de divers types de corpus sont également l'objet de beaucoup de travaux en linguistique computationnelle, reconnaissance vocale et de traduction automatique, où ils sont souvent utilisés pour créer des modèles de Markov cachés pour POS de marquage et d'autres fins. Texte corpus sont également utilisées dans l'étude de documents historiques, par exemple pour essayer de déchiffrer les textes anciens ou dans des bourses d'études bibliques.