Korpus - Definitionen

a collection of texts assumed to be representative of a given language, dialect, or other subset of a language, to be used for linguistic analysis

Un corpus est une collection de données langagières qui sont sélectionnées selon des critères linguistiques explicites pour servir d’échantillon du langage

una raccolta, in formato elettronico, di testi autentici e ricorrenti nell’uso, realizzata sulla base di criteri espliciti al fine di costituire una campionatura equilibrata e rappresentativa di uno stato o di una varietà di una lingua

Ein Korpus ist eine Sammlung von sprachlichen Daten. Meistens handelt es sich um geschriebene Sprache, also um Texte in den verschiedensten Formen wie zum Beispiel auch transkribierte Gespräche. Es existieren aber auch Korpora aus Audio- oder Videodateien.
Verschiedene Korpora unterscheiden sich vor allem durch die Aufbereitung und Zusammensetzung der Daten voneinander.

Ein Korpus ist eine Sammlung schriftlicher oder gesprochener Äußerungen in einer oder mehreren Sprachen. Die Daten des Korpus sind digitalisiert, d. h. auf Rechnern gespeichert und maschinenlesbar. Die Bestandteile des Korpus, die Texte oder Äußerungsfolgen, bestehen aus den Daten selbst sowie möglicherweise aus Metadaten, die diese Daten beschreiben, und aus linguistischen Annotationen, die diesen Daten zugeordnet sind.

Wenn wir von linguistischen Korpora sprechen, dann handelt es sich um Textsammlungen mit kompletten Texten oder zumindest mit sehr großen Textausschnitten. Außerdem sollten linguistische Korpora meist

• repräsentativ
• durch Metadaten erschlossen und
• linguistisch annotiert sein

Korpora sind umfangreiche Sammlungen gesprochener und geschriebener Texte, die:

• mit Blick auf spezifische Erkenntnisinteressen oder Anwendungsszenarien zusammengestellt wurden, um möglichst alle charakteristischen Eigenschaften des betreffenden Sprachausschnittes abzubilden,
• in einer Größenordnung von meist mehreren Millionen Textwörtern vorliegen,
• normalerweise elektronisch verfügbar und maschinenlesbar sind,
• in der Regel nur sinnvoll unter Einsatz von Computern, typischerweise mittels statistischer Verfahren, untersucht und analysiert werden können.