Typ (type)

Z hlediska korpusové lingvistiky je typ/type jednotka abstrakce, která vzniká v opozici k pojmu token. Zatímco tokenem se míní vždy konkrétní realizace jednotky (konkrétní výskyt formy) v určitém kontextu; typ je jednotka dekontextualizovaná (na kontextu nezávislá), která je schopna nabývat takových vlastností, jako je frekvence. Zatímco velikost korpusu je udávána v počtu tokenů (označuje se většinou jako N), počet typů značí množství různých jednotek v korpusu (označuje se většinou V = vocabulary). Typ může být v podstatě libovolná jednotka, nejčastěji se ovšem v této souvislosti uvažuje o slovním tvaru nebo lemmatu.

TTR (token-type ratio) je poměr (někdy vyjádřený procenty) počtu různých slov nebo lemmat (typů) k celkovému počtu všech slov v korpusu. Pokud je tento poměr vysoký, můžeme mluvit o textu s velkou lexikální bohatostí (užívá mnoho různých jednotek), malý poměr značí velkou míru opakování.

Token-type jako ukazatel je silně vázaný na celkovou velikost korpusu, je proto jen obtížně využitelný jako obecný referenční ukazatel. Čím delší text máme k dispozici, tím větší je poměr mezi tokeny a typy (ačkoli vztah není lineární, viz Heapsův zákon). Jako ukazatel lexikální diverzity (bohatství slovníku) je tedy v zásadě nepoužitelný (pokud neporovnáváme stejně dlouhé texty).