(corpus du pluriel) ou text corpus est un ensemble large et structuré des textes (maintenant habituellement électroniquement stockées et traitées). Ils sont utilisés pour faire l'analyse statistique, vérification des occurrences ou la validation des règles linguistiques sur des univers spécifiques. Un corpus peut contenir des textes dans une seule langue (corpus monolingues) ou du texte en plusieurs langues (corpus multilingue). Corpus multilingues qui ont été spécialement formatées pour side-by-side comparaison sont appelés corpus parallèles alignés. Afin de rendre les corps plus utiles pour faire de la recherche linguistique, ils sont souvent soumis à un processus connu comme annotation. Un exemple d'annotation d'un corpus est partie-de-discours-étiquetage ou marquage POS, dans les informations à propos grammaticale 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 l'utilisent, lustrage Interlinéaire sert à rendre l'annotation bilingue. Corpus sont la principale base de connaissances en linguistique de corpus. L'analyse et le traitement de divers types de corpus font également l'objet de nombreux travaux en linguistique computationnelle, reconnaissance vocale et la traduction automatique, où ils sont souvent utilisés pour créer des modèles de Markov cachés pour marquage POS et d'autres fins. Text corpus sont également utilisés dans l'étude des documents historiques, par exemple pour tenter de déchiffrer les anciens scripts ou en études bibliques.