Korpus tekstowy to zbiór tekstów mówionych lub pisanych, stanowiący podstawę badań lingwistyki korpusowej. Przechowywanie tych dużych banków tekstów pozwala badaczom analizować różne aspekty dowolnego języka. Korpus tekstowy jest skutecznym sposobem prowadzenia badań, ponieważ po zebraniu materiału można go wykorzystać do zbadania różnych zagadnień związanych z językiem, w tym morfologii, składni, słownictwa i pragmatyki. W przeciwieństwie do starszych metod prowadzenia badań językowych, korpus tekstowy pozwala badaczom spojrzeć na język zgodnie z tym, jak jest on faktycznie używany w kontekście, a nie jak hipotetycznie może być użyty. Językoznawcy zazwyczaj mają dostęp do znacznie większych próbek danych niż wtedy, gdy musieli ograniczać się do danych, które mogliby zebrać samodzielnie w ograniczonym czasie przy ograniczonych zasobach finansowych.
Corpora są zwykle przechowywane w komputerze, dzięki czemu można tworzyć programy komputerowe ułatwiające badania. Jednym z powszechnych sposobów wykorzystania korpusu tekstowego jest policzenie całkowitej liczby słów w tekście, a następnie policzenie i uszeregowanie liczby wystąpień określonych słów. Stosunek, który jest tworzony między liczbą wszystkich słów a określonymi słowami, jest znany jako prawo Zipfa. Ten stosunek pomaga wyjaśnić częstotliwość słów w języku. Zrozumienie prawa Zipfa pomaga programistom komputerowym zaprojektować oprogramowanie komputerowe, które spełnia wymagania danego języka. Potrafią liczyć i przewidywać, jak często określone słowa i wyrażenia będą używane jako dane wejściowe.
Innym sposobem wykorzystania korpusu tekstowego jest oznaczenie w nim określonych elementów, które badacz chce zbadać. Przykładem zastosowania tego jest policzenie, ile razy głos bierny pojawia się w różnych gatunkach tekstów. Tagowanie jest również przydatne w tworzeniu programów komputerowych, które pomagają ludziom w ich codziennym życiu. Znakowanie części mowy ma kluczowe znaczenie dla rozwoju oprogramowania do rozpoznawania głosu. Na przykład w języku angielskim to samo słowo może mieć więcej niż jedną część mowy. Słowa wielosylabowe są często akcentowane w różny sposób, aby zasygnalizować, która część mowy jest używana. Rzeczownik „przedmiot” kładzie nacisk na pierwszą sylabę, ale czasownik „dopełnienie” jest akcentowany na drugą sylabę. Oznaczenie rzeczownikowej formy „obiektu” pomaga programowi komputerowemu zarówno poprawnie odczytać go na głos, jak i rozpoznać go, gdy „obiekt” jest wypowiadany przez człowieka.
Korpusy tekstowe są przydatne zarówno dla językoznawstwa ludzkiego, jak i językoznawstwa komputerowego. Pozwalają na prowadzenie badań, które pomagają ludziom lepiej zrozumieć język używany przez ludzi, co z kolei pomaga rozwijać język używany przez komputery. Dokonano wielkich postępów w technologii rozpoznawania głosu, umożliwiając konsumentom werbalne sterowanie komputerami w biurach, domach i pojazdach. Ciągłe postępy pozwolą ludziom komunikować się z komputerami tak naturalnie, jak robią to między sobą.