corpus (Q435)

Rozsáhlá kolekce digitalizovaných textů přirozeného jazyka sloužící k lingvistickému výzkumu. Texty jsou přebírány z přirozeného publikačního prostředí nebo vznikají přepisem záznamů řeči; doplňuje je bibliografický, strukturní a lexikální popis (lingvistické značkování), umožňující vyhledávání a zpracování (např. frekvenční analýzu) prostřednictvím speciálního programového vybavení. Rozlišují se korpusy obecné a speciální; synchronní (zachycují současný jazyk) a diachronní (zachycují jazyk za delší historické období); korpusy mluveného a psaného jazyka; korpusy jednojazyčné a paralelní (texty ve více jazykových verzích).