(во множественном числе кавернозных) или текст корпус является большой и структурированный набор текстов (теперь обычно электронном виде хранятся и обрабатываются). , Они используются для выполнения статистического анализа, проверка вхождения или проверка лингвистические правила на конкретной Вселенной. A корпус может содержать тексты на одном языке (толковые corpus) или текстовые данные на нескольких языках (многоязычный корпус). Многоязычный corpora, которые специально для бок о бок сравнение называют выровнены параллельных корпусов. Для того чтобы сделать кавернозных более полезным для ведения лингвистических исследований, они часто подвергаются к процессу, известному как заметка. Пример аннотирования корпус является часть из речи меток, или POS-тегов, в которой информация о каждое слово части речи (существительное, прилагательное, и т.д. и глагол) добавляется в корпус в виде тегов. Еще один пример указывает форму Лемма (база) каждого слова. Когда язык корпус не является рабочим языком исследователей, которые используют его, подстрочный glossing используется для сделать аннотацию двуязычной. Кавернозных являются главной базы знаний в Корпусная лингвистика. Анализ и обработка различных типов корпусов также являются предметом много работы в компьютерной лингвистики, распознавания речи и машинного перевода, где они часто используются для создания скрытых марковских моделей для POS-тегов и других целей. Текст кавернозных используются также в изучении исторических документов, например в попытках расшифровать древние сценарии или в библейской стипендии.