我正在寻找一个允许在两个数据集上训练条件随机场 (CRF) 的 Python 包。
例如：我有两个数据集，数据集 A 和数据集 B。我想在数据集 A 上训练条件随机场，然后在数据集 B 上训练 CRF。我不想同时在两个数据集上加入 CRF。
我查看了pycrfsuite ，但似乎在训练 CRF 后，它无法在其他数据集上进一步训练 （trainer.train()重置 CRF 的参数）。
我还没有成功查看 CRF++：如何使用 CRF++ 在两个数据集上训练 CRF？
我已将问题交叉发布在：
我将更新此线程以反映我可能在这些链接之一中收到的任何有趣的答案。
Wapiti 是一个非常快速的工具包，用于使用判别模型分割和标记序列。它基于maxent模型、最大熵马尔可夫模型和线性链CRF，提出了各种优化和正则化方法，以提高标准模型的计算复杂度和预测性能。Wapiti 在 MLcomp 网站上连续一年多的序列标记任务排名第一。
Wapiti 由 LIMSI-CNRS 开发，部分资金来自 ANR 项目 CroTaL (ANR-07-MDCO-003) 和 MGA (ANR-07-BLAN-0311-02)。
它是用标准 C99+POSIX 编写的，并且是开源的（BSD 许可证）（镜像）。
-m | --model <file>
Specify a model file to load and to train again. This allow you
either to continue an interrupted training or to use an old
model as a starting point for a new training. Beware that no new
labels can be inserted in the model. As the training parameters
are not saved in the model file, you have to specify them again,
or specify new one if, for example, you want to continue train-
ing with another algorithm or a different penalty.
似乎存在一些用于 wapiti 的 python 包装器，例如 python-wapiti ( mirror )。