(meervoud corpora) of tekst corpus is een grote en gestructureerde verzameling van teksten (nu meestal elektronisch opgeslagen en verwerkt). Worden gebruikt voor statistische analyse, gebeurtenissen controleren of het valideren van taalkundige regels op specifieke universum. Een corpus kan teksten in één taal (eentalige corpus) of tekstgegevens in meerdere talen (meertalige corpus) bevatten. Meertalige corpora die speciaal zijn opgemaakt voor side-by-side vergelijking worden uitgelijnd parallelle corpora genoemd. Om de corpora meer nuttig voor taalkundig onderzoek doen, ze zijn vaak onderworpen aan een proces dat bekend staat als aantekening. Een voorbeeld van een corpus annoteren is deel-voor-toespraak-tagging of POS-tagging, in welke informatie over elk woord woordsoort (werkwoord, zelfstandig naamwoord, bijvoeglijk naamwoord, enz.) wordt toegevoegd aan het corpus in de vorm van tags. Een ander voorbeeld is met vermelding van de vorm van de lemma (base) van elk woord. Wanneer de taal van het corpus niet een werktaal van de onderzoekers die het gebruiken is, interlineaire glanzen wordt gebruikt om de aantekening tweetalig. Corpora zijn de belangrijkste knowledge base in de corpus taalkunde. De analyse en de verwerking van verschillende soorten corpora zijn ook het onderwerp van veel werk in computationele taalkunde, spraakherkenning en machine vertaling, waar ze vaak worden gebruikt om modellen te maken verborgen Markov voor POS-tagging en andere doeleinden. Tekst corpora worden ook gebruikt in de studie van historische documenten, bijvoorbeeld in pogingen om te ontcijferen oude scripts of in bijbelse beurs.