XS６日勉強しただけのど素人ですが、CPANにうｐまでは行き着いたので、参考になったWebページ・動画など紹介したいと思います。

まず↓の２つでXSってなんぞやというのがなんとなーく分かると思います。

Shibuya Perl Mongersテクニカルトーク#9

• Perl 5 internals の世界にようこそ – daisuke maki先生
• はじめてのXS – ハマりどころはココだ – hirose31先生

ありがたいことに↓にニコニコ動画にテクニカルトークの動画あります。
http://www.nicovideo.jp/mylist/7281253

実際にXSを書き始めるにはひな形があると便利です。

自分は「Module::Setup」のデフォルトのXS flavorを使ってひな形を生成しました。

実際にXS書くにあたってまず参照しまくるのは↓の３つ

• http://perldoc.jp/docs/perl/5.10.0/perlguts.pod
• http://perldoc.jp/docs/perl/5.10.0/perlapi.pod
• http://perldoc.jp/docs/perl/5.10.0/perlxs.pod

C++で書く場合は、http://www.johnkeiser.com/perl-xs-c++.html が参考になります。

XSを書く前に、XSUB, xsubpp, typemap もぞれぞれ何か調べておくと良いです。
あと、興味のあるXSモジュールを適宜参照してお手本にするといいかも。

typemap は最初見たときは「なんじゃこりゃー！」状態でしたが、Livedoor ブログのホームページから「XS site:http://blog.livedoor.jp/kurt0027/」で検索したら出てくるperlxs入門というのを、さっきの３つのperlguts, perlapi, perlxs のpodを参照しつつ確実に理解しながら読んでいくと理解できます。

理解できると、C++の vector< map<string, string> > をPerlのハッシュリファレンスの配列へのリファレンス（であってるかな？）にして返すこともできます。使い回しができるので、Perlの構造体からC構造体への変換、あるいはその逆の変換とかは全部typemapに書いておくと便利。

初めてtypemap書くと多分メモリリークが発生してしまいます。作ったプログラムに大量の入力を食わせつつ、別のとこで「ps u」とかコマンド打てば簡易的にメモリリークのチェックができます。（あまりLinux詳しくないので他にもっといいやりかたがありそう）

メモリリークの発生しない（しにくい）書き方は Xslateでお馴染み（？）の gfx先生の「XS基礎文法最速マスター」や「XSでメモリークを避けるたった一つの方法」が参考になります。

メモリリークの場所の特定法も、gfx先生の「Perlのメモリリークを見つける方法」が詳しいです。

printfデバッグは PerlIO_printf(PerlIO_stderr(), “hoge”); で出来ます。

Makefile.PLを書くときは「Module::Install::XSUtil 」を使うと便利。

なんかよくわからん動作するなというときは、makeしたら生成されるコードとxsのコードを見比べる良いです。

こんなもんか。

他のモジュールに継承されるかもしれない（してほしい）モジュールを作る場合は、さらに魔法を使うといいようです。（詳しくはMAGIC 構造体とかで ggrks です）

まだmetacpanにしか反映されていないけど。
https://metacpan.org/module/PAWAPAWA/Text-KyTea-0.01/lib/Text/KyTea.pm

卒研の評価実験するとか言ってたけど、PerlからKyTeaを使いたくなったので、今週はひたすらXSの勉強していました。

kyTeaというのは、公式サイトから引用すると「日本語など、単語(または形態素)分割を必要とする言語のための一般的なテキスト解析器」です。MeCabとの違いは、文脈によって読みを変えてくれるところ。「WEB+DB PRESS vol.64」によると「読みがなを適切に推定しれくれるツールはKyTea以前にはありませんでした」とのこと。

Ruby / Python は「Mykytea」というのを使えば使えるみたいだけど、Perl用のはCPANで探してもGitHubで探しても見当たらなかったので、XSで書きました。ちゃんとメモリリークも潰したので、インストールさえ成功すればガンガン使えるはずです。

モデルはいろいろ使えるようです。現時点で公開されているUTF-8のモデルを全部テストして、Text::KyTea上で適切に動くのを確認しました。

KyTea自体はVer.0.3.2でしかテストしていないので、古いバージョンでは動かない可能性ありです。

使い方はSYNOPSISを見れば一目瞭然です。cpan.orgにはまだ反映されていませんが、すでに反映されているmetacpanではなぜか文字化けしてます・・・。（文字化け解消法教えて ＞＜）

↓のようなプログラムを書くと・・・
（追記：最新版のText::KyTeaでは↓のコードでは動きません）

#!/usr/bin/env perl

use strict;
use warnings;
use Text::KyTea;

my $kytea = Text::KyTea->new;

my $results = $kytea->parse("金さんを売ると5000円の金を得られます");
print_result($results);

$results = $kytea->parse("長野県から来ました長野久義です。");
print_result($results);

$results = $kytea->parse("「かたなし」さんじゃなくて、小鳥遊さんです！");
print_result($results);

sub print_result
{
    my $results = shift;

    for my $result (@{$results})
    {
        print $result->{pron};
    }
    print "\n";
}

↓のような出力になります

きんさんをうるとUNKUNKUNKUNKえんのかねをえられます
ながのけんからきましたちょうのひさよしです。
「かたなし」さんじゃなくて、たかなしさんです！

MeCabよりはマシという感じなので、過度な期待はしないほうがいいです。
一番の上の文は金の玉にすると「かねのたま」になります。

UNKはうんこ・・・じゃなくてUNKNOWの略のはず。

Perlということで、Webプログラムで使うのも簡単だと思います。

なんというか・・・疲れた！

Perlでメモリリークと戦うとは思わなかった。

かなり知識得たので、参考にした記事とか動画とかも紹介していくかもです！

追記：
反映されました↓
http://search.cpan.org/~pawapawa/Text-KyTea-0.02/lib/Text/KyTea.pm

Ver.0.02 でparseメソッドの説明の追加とSYNOPSISの文字化けを解消しておきました。
(thanks to tokuhirom)

CPANには既に「Algorithm::NaiveBayes」があるけど、勉強のため、オレオレナイーブベイズ分類器を自前で実装しました。

コード↓
https://github.com/pawa-/NaiveBayes-Classifier/blob/master/lib/Algorithm/MyNaiveBayes.pm

多項モデル・最大事後確率推定のナイーブベイズ分類器です。

ナイーブベイズ分類器を実装するより、「オブジェクト指向PerlでCPAN形式で作る」というのに数倍時間取られた。どのモジュール使えば良いかわからんし、Makefile.PLってなんやねん状態。

オークション（普通に買う金がなかったので）でゲットした「モダンPerl 入門」でも情報が足りなかった。

オブジェクト指向PerlはAny::MooseというMooseとMouseを適切に使い分けてくれるやつを利用して書きました。

自作ナイーブベイズ分類器使ってて気づいたけど、多項モデル・最大事後確率推定だと学習させまくると物凄く小さい値同士で比較しないといけなくなるんだけど、これであってるんか？

頻度１０００ぐらいにするとアンダーフローするのでbignumモジュール読み込ませたけど、このモジュール使うと「Math::BigFloat」オブジェクトになるせいか、結果をData::Dumperとかでダンプするとおかしいことになります。
しかし、他にモデル変える以外でイイ方法知らんので妥協。

#!/usr/bin/env perl

use strict;
use warnings;
use Algorithm::MyNaiveBayes;

my $nb = Algorithm::MyNaiveBayes->new;

$nb->init;

$nb->add_instance( label => 'プラス',   attributes => { 'イイ'           => 3, '悪い'           => 1                        } );
$nb->add_instance( label => 'プラス',   attributes => { 'エキサイティン' => 2                                               } );
$nb->add_instance( label => 'プラス',   attributes => { 'イイ'           => 2, 'エキサイティン' => 1, '退屈'           => 1 } );
$nb->add_instance( label => 'マイナス', attributes => { '悪い'           => 1, '退屈'           => 3, 'ホビロン'       => 1 } );
$nb->add_instance( label => 'マイナス', attributes => { '悪い'           => 2, 'イイ'           => 1                        } );
$nb->add_instance( label => 'マイナス', attributes => { '悪い'           => 2, '退屈'           => 1, 'エキサイティン' => 1 } );

$nb->train;

my $result = $nb->classify( attributes => { 'ホビロン' => 3, 'エキサイティン' => 1 } );

for my $key (sort { $result->{$b} <=> $result->{$a} } keys %{$result})
{
    print $key . " " . $result->{$key} . "\n";
}

アウトプット
マイナス 0.0000957842937704289939057243088564552627483291627255420792375570215873852085104345072496737347493444762395086265729576992616467714706481004777241651800146071048
プラス 0.00003950617283950617283950617283950617283951703703703703703703703703703703703703703807407407407407407407407407407407407407411604938271604938271604938271604938271605

思った以上に勉強になりました。

研究で使ってるWebマイニングプログラムも結構イイ精度出てるのでCPAN形式のモジュールにしておきます。

は○なのインターンシップに落ちたので、金はないけど時間はあるpawaです。

自然言語処理の本を１冊読みきって、Perlのオブジェクト指向の復習してGitの入門書も結構読めたので、githubを使って車輪（ナイーブベイズ分類器）の再実装しています。

私のgithubのページ：https://github.com/pawa-

他にも大量の顔文字集めて「Regexp::Assemble」使って正規表現を生成したらどうなるんやろ？とか思って遊んだりしてたけどカオスなことになりました。（並の人間では解読不能　恐らく集めた顔文字以外の顔文字にはほとんどマッチしないであろう正規表現ががが・・・）

時間はあるのでバリバリgit commitします。