skills/semantic-seo-evidence/references/glossary/terms/IR-010-corpus.md

---
term_id: IR-010
preferred_name_nl: Corpus
english_name: Corpus
cluster_id: 3
cluster_name: Information Retrieval en semantische matching
type_context: Information Retrieval / taaltechnologie
evidence_labels:
- D
last_checked: '2026-07-25'
source_ids:
- SRC-012
- SRC-046
related_term_ids:
- GOV-017
- IR-011
- QLT-021
- TERM-020A
status: active
---

# Corpus

**Engelse term of afkorting:** Corpus  
**Term-ID:** `IR-010`  
**Hoofdcategorie:** 3 Information Retrieval en semantische matching  
**Type en context:** Information Retrieval / taaltechnologie  
**Bewijsbasis:** D  
**Laatst gecontroleerd:** 25 juli 2026

## Kerndefinitie

Een corpus is een afgebakelde verzameling teksten, documenten, passages of andere informatieobjecten die voor analyse, training, evaluatie of retrieval wordt gebruikt.

## Afbakening

Een corpus kan het volledige web, een site, een productcatalogus, een onderzoeksdataset of een verzameling supportdocumenten omvatten. De samenstelling bepaalt welke informatie beschikbaar en representatief is.

## Wat is bevestigd?

- Corpuskeuze beïnvloedt welke patronen, termen en resultaten een systeem kan leren of terugvinden.

- Een corpus kan metadata, labels en beoordelingsgegevens naast de inhoud bevatten.

## Wat is niet bevestigd?

- Dat een groter corpus automatisch beter of betrouwbaarder is.

- Dat een corpus representatief is zonder de selectiecriteria te controleren.

## Praktische toepassing

1. Documenteer scope, taal, periode, bronsoorten en uitsluitingen.

2. Bewaar versies zodat resultaten later reproduceerbaar zijn.

3. Controleer duplicaten, veroudering, rechten en datakwaliteit.

## Voorbeeld

Een intern scootmobielcorpus kan handleidingen, productspecificaties, eigen tests, wetgeving en klantvragen bevatten.

## Veelgemaakte misvatting

Een corpus is niet hetzelfde als een zoekindex. Het corpus is de bronverzameling, de index is een technische representatie voor efficiënte toegang.

## Zie ook

- Index

- Dataset

- Data Quality

- Provenance

- Single Source of Truth

## Verwante begrippen

- `GOV-017`: Single Source of Truth
- `IR-011`: Index
- `QLT-021`: Data Quality
- `TERM-020A`: Provenance
- Dataset *(verwant concept buiten deze begrippenlijst)*

## Bronnen en actualiteit

**Kernbronnen:** SRC-012, SRC-046

**Update-trigger:** Wijziging van scope, nieuwe databronnen of belangrijke corpusupdates.