ÄŖsa vÄsture Jau ilgi pirms korpuslingvistikas kÄ zinÄtnes nozares izveides leksikogrÄfijÄ tika izmantoti eksperimentÄli iegÅ«ti dati, piemÄram, Londonas grÄmatu tirgotÄjs Aleksandrs Krudens (Alexander Cruden) 18. gs. pirmajÄ pusÄ publicÄja BÄ«beles vÄrdu indeksu (konkordances). LÄ«dz pat 20. gs. otrajai pusei, pÄtot vÄrdu nozÄ«mi un lietojumu un veidojot vÄrdnÄ«cas, tika izmantotas kartotÄkas, manuÄli veidoti vÄrdu indeksi jeb saraksti.
20. gs. antropoloÄ£iskÄs valodniecÄ«bas pÄrstÄvji, piemÄram, Francis Boass (Franz Boas), kÄ arÄ« strukturÄlisti, piemÄram, Edvards SepÄ«rs (Edward Sapir), Leonards BlÅ«mfÄ«lds (Leonard Bloomfield), tÄpat izmantoja korpuslingvistikas metodes valodas aprakstÄ.
Korpuslingvistika mÅ«sdienu izpratnÄ jeb modernÄ korpuslingvistika, kas valodas analÄ«zÄ izmanto apjomÄ«gus datorizÄtus korpusus, izveidojusies 20. gs. 50. un 60. gados. MÅ«sdienu korpuslingvistikas teorÄtisko pamatu lika Henrija KuÄeras (Henry KuÄera) un Vintropa Nelsona Frensisa (Winthrop Nelson Francis) darbs āMÅ«sdienu amerikÄÅu angļu valodas datorizÄta analÄ«zeā (Computational Analysis of Present-Day American English, 1976). Tas balstÄ«ts Brauna korpusa analÄ«zÄ (Brown Corpus of Standard American English, 1961). VÄl viens nozÄ«mÄ«gs darbs bija Rendolfa Kvirka (Randolph Quirk) raksts āCeÄ¼Ä uz angļu valodas lietojuma aprakstuā (Towards a Description of English Usage, 1960).
Pirmajiem maŔīnlasÄmajiem korpusiem kÄ zelta standarts tika izvÄlÄts lielums ā miljons vÄrdlietojumu, tie bija vienvalodas korpusi, piemÄram, Brauna korpuss, Lankasteras-Oslo/Bergenas korpuss (Lancaster-Oslo-Bergen Corpus, LOB), kas izstrÄdÄts 1964. gadÄ, un Londonas-Lundas korpuss (London-Lund Corpus of Spoken Corpus), kura izstrÄde sÄkta 1959. gadÄ un kas ir publicÄts 1990. gadÄ. Tos dÄvÄ arÄ« par 1. paaudzes korpusiem.
Korpuslingvistikas aizsÄkumos raisÄ«jÄs asas diskusija starp korpuslingvistikas aizstÄvjiem un tÄs pretiniekiem, kur viens no galvenajiem korpusa noliedzÄjiem bija amerikÄÅu valodnieks Noams Äomskis (Noam Chomsky). N. Äomskis pÄrmeta, ka jebkurÅ” valodas korpuss ir nepilnÄ«gs, jo tajos trÅ«kst teikumu, kas ir acÄ«mredzami, kas ir nepareizi vai kas ir nepieklÄjÄ«gi; tÄdÄjÄdi valodas apraksts bÅ«s tikai nepilnÄ«gs vÄrdu saraksts.
KopÅ” 20. gs. 50. gadiem dominÄjoÅ”ais Ä£eneratÄ«vÄs valodniecÄ«bas viedoklis nesakrita ar galvenajÄm korpuslingvistikas tÄzÄm, kas uzsver valodas lietojumu, nevis dzimtÄs valodas runÄtÄja kompetenci; pievÄrÅ”as valodas aprakstam, nevis universÄlijÄm; pÄta valodas kvantitatÄ«vos un kvalitatÄ«vos modeļus, izmantojot empÄ«risku, nevis racionÄlu pieeju. TomÄr Å”is pretstats ir visai vienkÄrÅ”ots, uzskatot, ka visi korpuslingvisti ir deskriptÄ«visti, kas pÄrÅemti ar korpusÄ sastapto konstrukciju uzskaiti, bet Ä£eneratÄ«vistus vispÄr neinteresÄ dati savu teoriju izstrÄdÄ.
NozÄ«mÄ«gs bija amerikÄÅu valodnieka ÄÄrlza Filmora (Charles Fillmore) 1991. gadÄ izvirzÄ«tais pretstatÄ«jums starp korpuslingvistu un ar datoru apbruÅotu t. s. klubkrÄsla valodnieku (corpus linguistics vs computer-aided armchair linguistics), kuri viens otram pÄrmet, kÄpÄc bÅ«tu jÄtic otram vai kÄpÄc tas ir interesanti citam. Ä. Filmors secinÄjis, ka neviens korpuss, lai cik liels tas bÅ«tu, neietvers visu informÄciju par angļu valodas leksiku un gramatiku, un ka jebkurÅ” korpuss, lai cik mazs tas bÅ«tu, tomÄr sniegs faktus, ko citÄdÄ veidÄ nevarÄtu iegÅ«t. TÄdÄjÄdi korpuslingvistika pÄc asÄs N. Äomska kritikas tika āreabilitÄtaā.
20. gs. 80. gados korpuslingvistikas atdzimÅ”ana bija saistÄ«ta ar kvantitatÄ«vo lingvistiku un korpusÄ balstÄ«tu valodas tehnoloÄ£iju raÅ”anos. Pirmie maŔīnlasÄmie korpusi bija daudzÄjÄdi ļoti noderÄ«gi un tika izmantoti dažÄdiem pÄtÄ«jumiem, tomÄr drÄ«z vien izrÄdÄ«jÄs, ka noteiktiem uzdevumiem nepiecieÅ”amas plaÅ”Äkas datu kopas (piemÄram, leksikogrÄfijÄ un dabiskÄs valodas apstrÄdÄ).
NozÄ«mÄ«gÄkie korpusi, kuru izveide sÄkta 20. gs. 80. gados: Britu NacionÄlais korpuss un COBUILD korpuss. NozÄ«mÄ«gi ir arÄ« Longmena korpusi (Longman Corpus Network), uz kuru pamata tiek veidotas dažÄdas vÄrdnÄ«cas, piemÄram, āLongmena mÅ«sdienu angļu valodas vÄrdnÄ«caā (Longman Dictionary of Contemporary English, 1995), āLongmena kolokÄciju vÄrdnÄ«ca un tÄzaursā (Longman Collocations Dictionary and Thesaurus, 2013) un citi.
Pateicoties datoru attÄ«stÄ«bai, attÄ«stÄs arÄ« valodas tehnoloÄ£iju izstrÄde un valodas resursu uzkrÄÅ”ana. 20. gs. 90. gados risinÄjÄs aktÄ«vas diskusijas:
1) kas Ä«sti ir valodas korpuss (ar ko tas atŔķiras no citiem uzkrÄtiem datiem elektroniski, piemÄram, elektroniskÄm bibliotÄkÄm vai arhÄ«viem, kÄdas valodas datorfonda un tamlÄ«dzÄ«gi);
2) kÄds ir labs korpuss;
3) kÄ sasniegt lÄ«dzsvaru un nodroÅ”inÄt reprezentativitÄti;
4) cik daudz papildu informÄcijas (metadatus un marÄ·Äjumu) var un vajag pievienot korpusam (piemÄram, Dž. Sinklers uzticÄjÄs ātÄ«ramā korpusam, turpretÄ« daudzi novÄrtÄ morfoloÄ£iski vai sintaktiski marÄ·Äta korpusa sniegtÄs iespÄjas).
TÄpat notika aktÄ«vas diskusijas, vai korpuslingvistiku var uzskatÄ«t par patstÄvÄ«gu valodniecÄ«bas nozari vai tomÄr tÄ ir metodoloÄ£ija (tas ir dominÄjoÅ”ais viedoklis).
20. gs. 90. gados izveidojÄs divi atŔķirÄ«gi korpusu izveides principi: monitoringa jeb novÄrojumu korpuss (monitor corpus), kura apjoms pastÄvÄ«gi tiek paplaÅ”inÄts, laika gaitÄ iekļaujot tajÄ arvien jaunus tekstus, un lÄ«dzsvarotais jeb izlases korpuss (arÄ« references korpuss, atsauces korpuss, reference corpus), kurÄ iekļauti konkrÄta laika posma teksti vai tekstu fragmenti noteiktÄs proporcijÄ, veidojot lÄ«dzsvarotu un reprezentatÄ«vu izlases kopu.
IespÄjams, par treÅ”Äs, t. i., jaunÄkÄs, paaudzes korpusiem var dÄvÄt tos, kuru apjoms mÄrÄms simtos miljonu vÄrdlietojumu, kuri tiek veidoti, izmantojot tekstu apstrÄdes un analÄ«zes tehnoloÄ£ijas, un tiek izmantoti valodas tehnoloÄ£iju izstrÄdei, piemÄram, OPUS (The Open parallel corpus) projekts, kas ir lielÄkÄ tulkoto tÄ«meklÄ« atrodamo tekstu kolekcija, kurÄ tiek iekļauti arvien jauni brÄ«vi pieejami tieÅ”saistes dati.
