corpus

corpusは、文脈によって言語学的なデータセットと文書の主要部分という全く異なる二つの意味を持ちます。日本語ではどちらもコーパスや本文と訳されますが、使用される分野が明確に分かれています。

言語学および計算機科学における用法

現代の英語学習において最も頻繁に目にするのが、言語分析や機械学習に使用される大規模なテキストデータの集合体としての意味です。単なる文章の集まりではなく、特定の目的（文法分析やAIの訓練など）のために構造化されたデータベースであることを指します。例えば、a corpus of spoken English（話し言葉の英語のコーパス）のように、どのようなデータが集められているかを明示して使われることが一般的です。

文学および法務における用法

一方で、ある著作物や法的な文書において、序文や注釈、付録などを除いた中心となる本文を指してcorpusと呼ぶことがあります。これはラテン語で身体を意味する言葉に由来しており、比喩的に作品の本体という意味で使われます。日常会話で使われることは稀で、主に学術的な論文や法的な議論などの非常にフォーマルな文脈に限定されます。

混同しやすい表現と注意点

日本語でコーパスという言葉を使う場合、ほぼ間違いなく前者の言語データセットを指しますが、英語のcorpusには後者の本文という意味があることを忘れないでください。また、医学的な文脈で死体を指す専門用語として使われることもありますが、一般的な学習者が遭遇するのは上記の二つの意味がほとんどです。

言語データの例： The researchers analyzed a vast corpus of news articles.（研究者たちは、ニュース記事の膨大なコーパスを分析した。）
本文の例： The corpus of the treaty contains several key amendments.（条約の本文には、いくつかの重要な修正が含まれている。）