(số nhiều corpora) hoặc văn bản corpus là một tập hợp lớn và cấu trúc của văn bản (bây giờ thường điện tử được lưu trữ và xử lý). Họ đang sử dụng để làm phân tích thống kê, kiểm tra các sự kiện hoặc phê chuẩn các quy tắc ngôn ngữ trên vũ cụ thể. A corpus có thể chứa văn bản trong một ngôn ngữ duy nhất (lẫn corpus) hoặc dữ liệu văn bản trong nhiều ngôn ngữ (multilingual corpus). Corpora đa ngôn ngữ của , mà đã được định dạng đặc biệt cho-by-side so sánh ở đây được gọi là covernosa liên kết song song. Để làm cho các corpora nhiều hữu ích cho việc nghiên cứu ngôn ngữ, họ thường là đối với một quá trình được gọi là chú thích. Một ví dụ về annotating corpus một là một phần-của-bài phát biểu-gắn thẻ, hoặc POS-gắn thẻ, trong đó thông tin về mỗi từ một phần của bài phát biểu (động từ, danh từ, tính từ, vv) sẽ được thêm vào corpus trong các hình thức thẻ. Một ví dụ khác chỉ ra các hình thức bổ đề (cơ sở) của mỗi từ. Khi ngôn ngữ của corpus không phải là một ngôn ngữ làm việc của các nhà nghiên cứu người sử dụng nó, interlinear glossing được sử dụng để làm cho các chú thích song ngữ. Corpora có cơ sở kiến thức chính trong corpus ngôn ngữ. Phân tích và xử lý các loại corpora đều là chủ đề của nhiều công việc trong ngôn ngữ học tính toán, nhận dạng giọng nói và máy dịch thuật, nơi mà họ thường được sử dụng để tạo ra mô hình Markov ẩn cho gắn thẻ POS và mục đích khác. Văn bản corpora cũng được sử dụng trong nghiên cứu tài liệu lịch sử, ví dụ trong nỗ lực để giải mã kịch bản cổ xưa hoặc trong Kinh Thánh học bổng.