语料库中存放的是在语言实际使用中真实出现过的语言材料；语料库是以电子计算机为载体承载语言知识的基础资源；真实语料需要经过加工(分析和处理)，才能成为有用的资源。语料库(corpus，复数corpora)指经科学取样和加工的大规模电子文本库。借助计算机分析工具，研究者可开展相关的语言理论及应用研究
一、语料库的分类
确定语料库类型的主要依据是它的研究目的和用途，这一点往往能够体现在语料采集的原则和方式上。可以把语料库分成四种类型：（1）异质的(Heterogeneous)：没有特定的语料收集原则，广泛收集并原样存储各种语料；（2）同质的(Homogeneous)：只收集同一类内容的语料；（3）系统的(Systematic)：根据预先确定的原则和比例收集语料，使语料具有平衡性和系统性，能够代表某一范围内的语言事实；⑷专用的（Specialized）：只收集用于某一特定用途的语料
除此之外，按照语料语种，语料库也可以分成单语的(Monolingual)、双语的(Bilingual)和多语的(Multilingual)。按照语料的采集单位，语料库又可以分为语篇的、语句的、短语的。双语和多语语料库按照语料的组织形式，还可以分为平行(对齐)语料库和比较语料库，前者的语料构成译文关系，多用于机器翻译、双语词典编撰等应用领域，后者将表述同样内容的不同语言文本收集到一起，多用于语言对比研究。已经累积了大量各种类型的语料库，如：葡萄牙语种树库、面向文本分类研究的中英文新闻分类语料库、路透社文本分类训练语料库、中文文本分类语料库、大开放字幕库OpenSubtitles的多语言平行语料数据(OpenSubtitlesCorpus)、Shortmessagesservice(SMS)corpus(短消息服务（SMS）语料)等
二、语料库的特征
1.语料库中存放的是在语言的实际使用中真实出现过的语言材料，因此例句库通常不应算作语料库；2.语料库是承载语言知识的基础资源，但并不等于语言知识；3.真实语料需要经过加工(分析和处理)，才能成为有用的资源