podongchip/korean-synthetic-industry-news

Korean Synthetic Industry News

⚠️ Every article in this dataset is FICTIONAL. It was generated by a language model and describes events that never happened. Nothing here is real reporting, and it must not be presented, indexed, or consumed as actual news.

🌐 Language — English (below) · 한국어 (click to expand at the bottom)

9,980 synthetic Korean-language economic news articles, generated with gpt-oss:20b via Ollama. Each article is seeded from a controlled combination of industry, news category, direction, region, and reasoning difficulty — so the generation metadata doubles as weak supervision for industry / sentiment classification.

The industry taxonomy is Korean-market specific: 10 sectors / 80 industries.

Why this dataset exists

Korean-language corpora for industry-level financial sentiment are scarce, and real news cannot be redistributed freely because of copyright. This dataset trades authenticity for three things real corpora rarely offer at once:

• Balanced industry coverage — all 80 industries appear as a generation seed 140–144 times each.
• Controlled reasoning difficulty — easy / medium / hard reflect how many inference hops separate the article from its industry impact.
• Built-in negatives — ~10% of articles are deliberately economy-irrelevant (sports, weather, culture), so a model can learn to abstain.

Quick start

from datasets import load_dataset

ds = load_dataset("podongchip/korean-synthetic-industry-news")
print(ds["train"][0])

Schema

{
  "id": "news_000000",
  "title": "원화 약세, 동남아 진출 화학수출은 이득 물류비는 부담",
  "body": "최근 원화가 주요 외국환 대비 가파르게 하락하면서 국내 화학제품의 해외 판매 가격 경쟁력이 상승했다. 반면, 비료·탄소 배출권과 같은 수입 연료비가 상승해 육상 운송업체들의 비용 구조에 압박이 커졌다. 이러한 환율 변동은 한편으로는 수출 기반 산업을 지원하고, 다른 한편에서는 물류·택배 분야의 운영비를 늘리는 중복된 영향을 낳고 있다.",
  "synthetic": true,
  "meta": {
    "news_category": "환율",
    "difficulty": "hard",
    "direction": "혼합",
    "seed_industries": [
      "육상물류/택배",
      "석유화학"
    ],
    "region": "동남아",
    "generator": "gpt-oss:20b",
    "mixed_pos": "석유화학",
    "mixed_neg": "육상물류/택배"
  }
}

Field	Type	Description
id	string	Stable record id. Not contiguous — filtered records keep their gaps so the original generation order stays traceable.
title	string	Headline, written in Korean news-headline register.
body	string	2–5 sentences in Korean article register (…했다 / …로 전망된다).
synthetic	bool	Always true. Kept per-record so the marker survives if a fragment is copied out of context.
meta.news_category	string	One of 14 economic categories, or 6 filler categories for irrelevant articles.
meta.difficulty	string	easy / medium / hard / none. See below.
meta.direction	string	호재 (positive) / 악재 (negative) / 혼합 (mixed) / 무관 (irrelevant).
meta.seed_industries	list[string]	1–2 industries the generator was seeded with. Empty for irrelevant articles. Values match industry_taxonomy.json exactly.
meta.region	string	국내 (domestic) / 미국 / 중국 / 유럽 / 일본 / 동남아 / 중동.
meta.generator	string	Always gpt-oss:20b.
meta.mixed_pos / mixed_neg	string	Present only when direction is 혼합 — which seeded industry the event helps and which it hurts.

Difficulty levels

Level	Meaning
easy	The industry is named directly and the direction is explicit.
medium	The industry is not named; one value-chain hop is required (e.g. oil price up → airlines down).
hard	Two or more indirect hops, or the same event splits opposite ways across industries (e.g. a stronger won hurts exporters while helping raw-material importers).
none	Economy-irrelevant filler. seed_industries is empty.

Statistics

Splits — stratified on difficulty × seed sector, seed 42.

Split	Records	%
train	8,984	90.0
validation	498	5.0
test	498	5.0

Difficulty

Difficulty	Count	%
easy	3,488	34.9
medium	2,996	30.0
hard	2,499	25.0
none	997	10.0

Direction

Direction	Count	%
호재	3,765	37.7
악재	3,707	37.1
혼합	1,511	15.1
무관	997	10.0

Region

Region	Count	%
국내	3,313	33.2
미국	1,147	11.5
중국	1,130	11.3
동남아	1,127	11.3
유럽	1,126	11.3
일본	1,109	11.1
중동	1,028	10.3

News category

Category	Count	%
실적발표	644	6.5
사고/리콜	643	6.4
M&A/투자	643	6.4
국제정세/지정학	643	6.4
소송/제재	642	6.4
원자재가격	642	6.4
수출입/무역	642	6.4
소비트렌드	642	6.4
기술개발	641	6.4
신제품출시	641	6.4
통화정책/금리	641	6.4
수주/계약	641	6.4
정부정책/규제	640	6.4
환율	638	6.4
스포츠	168	1.7
사회일반	167	1.7
인물/인터뷰	166	1.7
날씨/계절	166	1.7
지역소식	165	1.7
문화/전시	165	1.7

Industry coverage — 80 of 80 industries appear as a seed, 140–144 times each.

Body length — 67–428 characters (median 198).

How it was built

Generation and labeling were deliberately split into two stages. Generating an article and its labels in one pass produces articles visibly bent to fit the label, so Stage 1 never sees a label.

Stage 1 — generation (temperature 0.9–1.0, diversity first). A seed tuple of (industries, news_category, direction, difficulty, region) is sampled round-robin plus random, so industry coverage stays flat, then injected into the prompt. Output is title + body only.

Stage 2 — filtering (this release) removes exact/near-duplicate titles and any article naming a real company, leaving 9,980 of 10,000 generated.

What's in this repository

├── README.md
├── LICENSE
├── DATASET_SPEC.md           # full pipeline spec (Korean)
├── industry_taxonomy.json    # 10 sectors / 80 industries — the label space
├── generate_news.py          # Stage 1 generator, incl. the exact prompts
├── ollama_client.py          # Ollama HTTP client (stdlib only)
└── data/
    ├── train.jsonl
    ├── validation.jsonl
    └── test.jsonl

Generation is reproducible. With a local gpt-oss:20b served by Ollama:

python generate_news.py --dry-run --n 10000     # print the seed plan only
python generate_news.py --n 10000 --seed 20260806

The layout above is the layout the script expects — industry_taxonomy.json beside it, output into data/. Model sampling is not deterministic, so article text will differ on a re-run; the seed plan will not.

Intended use

Suitable for: Korean financial-text classification baselines, weakly-supervised and distant-supervision experiments, instruction-tuning data for industry-impact reasoning, synthetic-text detection research, and Korean news-register generation.

Not suitable for: factual QA, real-world event or market analysis, anything treating these articles as evidence about real companies or economies.

Roadmap

A Stage 3 labeling pass (all 80 industries presented to the model, JSON-schema constrained, temperature 0.2, judged independently of the seed) is in progress. When complete, a v2 release will add a labels array of {industry, sentiment, rationale} — turning this into a multi-label industry-sentiment dataset.

License

Creative Commons Attribution 4.0 International (CC BY 4.0).

The generating model, gpt-oss:20b, is released by OpenAI under Apache 2.0. Users who redistribute or build on this data should confirm the current gpt-oss usage policy applies to their case.

Citation

@misc{korean_synthetic_industry_news,
  title  = {Korean Synthetic Industry News},
  author = {podongchip},
  year   = {2026},
  url    = {https://huggingface.co/datasets/podongchip/korean-synthetic-industry-news}
}

---

🇰🇷 한국어 데이터셋 카드

▶ 클릭해서 펼치기 / 접기

⚠️ 이 데이터셋의 모든 기사는 가상입니다. 언어 모델이 생성한 것이고, 실제로 일어난 적 없는 사건을 다룹니다. 진짜 보도가 아니며 실제 뉴스로 제시·색인·소비되면 안 됩니다.

gpt-oss:20b(Ollama)로 생성한 한국어 경제 뉴스 9,980건입니다. 각 기사는 업종·뉴스유형·방향·지역·추론 난이도를 조합한 시드에서 생성되므로, 생성 메타데이터가 곧 업종/감성 분류를 위한 약한 지도학습(weak supervision) 신호가 됩니다.

업종 분류 체계는 한국 시장 기준입니다: 10개 섹터 / 80개 업종.

왜 만들었나

한국어 업종 단위 금융 감성 코퍼스는 드물고, 실제 뉴스는 저작권 때문에 자유롭게 재배포할 수 없습니다. 이 데이터셋은 진정성을 포기하는 대신 실제 코퍼스가 동시에 갖기 어려운 세 가지를 제공합니다.

• 균등한 업종 커버리지 — 80개 업종 전부가 생성 시드로 140~144회씩 등장합니다.
• 통제된 추론 난이도 — easy/medium/hard는 기사에서 업종 영향까지 몇 단계를 건너뛰어야 하는지를 나타냅니다.
• 내장된 네거티브 — 약 10%는 의도적으로 경제와 무관한 기사(스포츠·날씨·문화)라 모델이 "판단 보류"를 학습할 수 있습니다.

빠른 시작

from datasets import load_dataset

ds = load_dataset("podongchip/korean-synthetic-industry-news")
print(ds["train"][0])

필드

필드	타입	설명
id	string	고정 레코드 id. 연속되지 않습니다 — 필터링된 레코드 자리를 비워둬서 원본 생성 순서 추적이 가능합니다.
title	string	한국 언론 기사 제목 톤.
body	string	기사체(…했다 / …로 전망된다) 2~5문장.
synthetic	bool	항상 true. 레코드 조각만 복사돼 나가도 표시가 남도록 레코드 단위로 넣었습니다.
meta.news_category	string	경제 14종 또는 무관 기사용 6종.
meta.difficulty	string	easy / medium / hard / none.
meta.direction	string	호재 / 악재 / 혼합 / 무관.
meta.seed_industries	list[string]	생성 시 주입한 업종 1~2개. 무관 기사는 빈 배열. industry_taxonomy.json의 문자열과 정확히 일치합니다.
meta.region	string	국내 / 미국 / 중국 / 유럽 / 일본 / 동남아 / 중동.
meta.generator	string	항상 gpt-oss:20b.
meta.mixed_pos / mixed_neg	string	direction이 혼합일 때만 존재 — 어느 업종에 유리하고 어느 업종에 불리한지.

난이도

단계	의미
easy	업종이 직접 언급되고 영향 방향이 명확합니다.
medium	업종명이 나오지 않고, 밸류체인 1단계 추론이 필요합니다 (예: 유가 상승 → 항공 악재).
hard	간접 파급 2단계 이상이거나, 같은 사건이 업종별로 반대 방향으로 갈립니다 (예: 원화 강세 → 수출주 악재 + 원자재 수입주 호재).
none	경제와 무관한 기사. seed_industries가 빈 배열입니다.

통계

분할 — 난이도 × 시드 섹터 층화, 시드 42.

분할	건수	%
train	8,984	90.0
validation	498	5.0
test	498	5.0

난이도

난이도	Count	%
easy	3,488	34.9
medium	2,996	30.0
hard	2,499	25.0
none	997	10.0

방향

방향	Count	%
호재	3,765	37.7
악재	3,707	37.1
혼합	1,511	15.1
무관	997	10.0

지역

지역	Count	%
국내	3,313	33.2
미국	1,147	11.5
중국	1,130	11.3
동남아	1,127	11.3
유럽	1,126	11.3
일본	1,109	11.1
중동	1,028	10.3

뉴스 유형

유형	Count	%
실적발표	644	6.5
사고/리콜	643	6.4
M&A/투자	643	6.4
국제정세/지정학	643	6.4
소송/제재	642	6.4
원자재가격	642	6.4
수출입/무역	642	6.4
소비트렌드	642	6.4
기술개발	641	6.4
신제품출시	641	6.4
통화정책/금리	641	6.4
수주/계약	641	6.4
정부정책/규제	640	6.4
환율	638	6.4
스포츠	168	1.7
사회일반	167	1.7
인물/인터뷰	166	1.7
날씨/계절	166	1.7
지역소식	165	1.7
문화/전시	165	1.7

업종 커버리지 — 80개 업종 중 80개가 시드로 등장, 업종당 140~144회.

본문 길이 — 67~428자 (중앙값 198).

만든 과정

생성과 라벨링을 의도적으로 분리했습니다. 기사와 라벨을 한 번에 생성하면 라벨에 끼워 맞춘 티가 나는 기사가 나오기 때문에, Stage 1은 라벨을 보지 않습니다.

Stage 1 — 생성 (temperature 0.9~1.0, 다양성 우선). (업종, 뉴스유형, 방향, 난이도, 지역) 시드 튜플을 라운드로빈+무작위로 뽑아 업종 커버리지를 평평하게 유지한 뒤 프롬프트에 주입합니다. 출력은 제목+본문뿐입니다.

Stage 2 — 필터링 (이번 릴리스)은 완전/근사중복 제목과 실존 기업을 언급한 기사를 제거해, 생성 10,000건 중 9,980건을 남깁니다.

저장소 구성

├── README.md
├── LICENSE
├── DATASET_SPEC.md           # 파이프라인 전체 명세
├── industry_taxonomy.json    # 10섹터 / 80업종 — 라벨 공간
├── generate_news.py          # Stage 1 생성기, 프롬프트 원문 포함
├── ollama_client.py          # Ollama HTTP 클라이언트 (표준 라이브러리만)
└── data/
    ├── train.jsonl
    ├── validation.jsonl
    └── test.jsonl

재현 가능합니다. 로컬에 gpt-oss:20b를 Ollama로 띄운 상태에서:

python generate_news.py --dry-run --n 10000     # 시드 플랜만 출력
python generate_news.py --n 10000 --seed 20260806

위 구조가 스크립트가 기대하는 구조입니다 — industry_taxonomy.json이 옆에 있고 출력은 data/로 갑니다. 모델 샘플링은 결정적이지 않아서 재실행하면 기사 텍스트는 달라지지만 시드 플랜은 동일합니다.

용도

적합: 한국어 금융 텍스트 분류 베이스라인, 약한 지도학습·distant supervision 실험, 업종 영향 추론 인스트럭션 튜닝 데이터, 합성 텍스트 탐지 연구, 한국어 기사체 생성.

부적합: 사실 기반 QA, 실제 사건·시장 분석, 이 기사들을 실존 기업이나 경제에 대한 근거로 취급하는 모든 용도.

로드맵

Stage 3 라벨링(80개 업종 전체를 모델에 제시하고 JSON 스키마로 강제, temperature 0.2, 시드와 무관하게 독립 판단)을 진행 중입니다. 완료되면 v2에서 {industry, sentiment, rationale} 배열이 추가되어 다중 라벨 업종 감성 데이터셋이 됩니다.

라이선스

Creative Commons Attribution 4.0 International (CC BY 4.0).

생성 모델 gpt-oss:20b는 OpenAI가 Apache 2.0으로 공개한 모델입니다. 이 데이터를 재배포하거나 파생물을 만들 때는 gpt-oss 사용 정책이 본인 사례에 적용되는지 직접 확인하시기 바랍니다.