NSMC (네이버 영화 코퍼스)

NSMC(Naver sentiment movie corpus)는 네이버 영화 리뷰에 긍정·부정 라벨을 붙인 한국어 감성분석 데이터셋입니다.

GitHub 현황 (2026년 8월 기준)

• 스타 606 · 포크 220
• 저장소 e9t/nsmc
• 생성 2015-08-28 · 마지막 push 2017-03-07

포크 220개. KoNLPy를 만든 사람이 공개한 데이터셋이고, 한국어 NLP 논문·튜토리얼에서 오래 기준선으로 쓰였습니다.

데이터셋이 분야를 만드는 방식

모델을 비교하려면 모두가 같은 데이터로 재봐야 합니다. 영어권에 IMDB가 있다면 한국어 감성분석에는 NSMC가 그 역할을 했습니다.

새 모델이 나올 때마다 “NSMC에서 몇 %”가 붙었고, 그 덕에 한국어 모델 성능을 비교할 수 있는 축이 생겼습니다. 데이터셋 하나가 분야의 공통 언어가 된 사례입니다.

그리고 최신 모델에게는 너무 쉬운 과제가 됐습니다. 90%대 후반에서 차이가 잘 안 벌어져 벤치마크로서의 변별력이 떨어졌습니다. 입문 실습과 역사적 기준선으로 보는 편이 맞고, 실제 평가에는 최신 벤치마크를 함께 써야 합니다.

함께 볼 한국어 모델·데이터

• KoBERT·KoELECTRA: 한국어 사전학습 모델
• KURE: 한국어 검색 임베딩
• KoNLPy: 형태소 분석기 묶음(같은 제작자)
• soynlp: 사전 없이 단어 추출

NSMC만 “데이터”입니다. 나머지가 처리하는 도구나 모델이라면, 이쪽은 그것들이 겨루던 시험지입니다. 도구보다 오래 남지만 낡는 속도도 분명한 자산입니다.

이런 분께 맞아요

• 한국어 감성분석을 처음 실습하는 학습자
• 모델 파이프라인을 빠르게 검증하려는 개발자
• 한국어 NLP 벤치마크 계보를 살펴보는 연구자
• (실서비스 평가에는 최신 데이터가 필요합니다)