语料库（Corpus）是指 收集、整理、存储语言素材的一个大型数据集合。它包含某一语言或语言族系的各类文字材料，如书籍、报刊、文献、网络文本、音频、视频等多种形式的语言数据。语料库是自然语言处理和计算语言学研究中重要的数据源，可以用于语言学研究、机器翻译、语音识别、文本分类、情感分析、信息检索等多种应用领域。
语料库中的数据通常经过科学取样和加工，以确保其质量和代表性。这些数据可以来自不同的语言和领域，包括新闻文章、社交媒体、书籍、电视剧、电影、广告等。语料库的内容越多样化，其价值就越高，因为它可以帮助研究人员更好地了解人类语言的使用和演变。
语料库可以包含大量不同来源、类型和用途的文本材料，如报纸、文学作品、网络文章、口语语料等。根据语言的不同，语料库还可以分为单语语料库、双语语料库和多语言语料库。
总之，语料库是语言学研究的基础资源，也是经验主义语言研究方法的主要资源。通过分析和处理语料库中的文本数据，可以帮助研究者和开发者了解语言的使用规律、建立语言模型、训练机器学习算法等。
