Colección de textos (o transcripciones) reunida con criterios explícitos para estudiar la lengua o para entrenar y evaluar modelos. Su valor depende de su diseño: qué variedades, registros, épocas y géneros incluye, y en qué proporción. Puede ser bruto o anotado (con categorías gramaticales, entidades, etc.). Ejemplos en español: CREA y CORPES XXI (RAE), AnCora (anotado sintáctica y semánticamente).
Un ejemplo
Todas las sentencias del Tribunal Supremo de un año, o diez mil reseñas de restaurantes etiquetadas como positivas o negativas.
Términos cercanos
Para leer más: es.wikipedia.org