본 논문은 시퀀스 라벨링 모델의 성능 향상을 위해 외부 지식 통합으로 인한 데이터 이질성과 복잡성 문제를 해결하는 두 단계 커리큘럼 학습(TCL) 프레임워크를 제안한다. TCL은 쉬운 데이터부터 어려운 데이터로 순차적으로 학습 데이터를 제공하여 성능 향상과 학습 속도 향상을 목표로 한다. 여러 어려움 측정 지표를 탐색하고, 6개의 중국어 단어 분절(CWS) 및 품사 태깅(POS) 데이터셋을 사용한 실험을 통해 TCL의 효과를 입증하며, 복잡한 모델의 느린 학습 문제 완화 효과도 보여준다.
