Telugu ఆకులతో జూ noLLM analysis - anilvaranasi/indianlanguages GitHub Wiki

Analysis: ఆకులతో-జూ

Method: Non-LLM (Frequency keywords + LexRank + Unicode heuristics)
Source: https://sundarayya.org/akaulataoo-jau
Date: 2026-08-03 22:04
Chunks: 4


Book Overview

Book: ఆకులతో-జూ
Source: https://sundarayya.org/akaulataoo-jau
Total OCR chunks analysed: 4


OCR Quality Summary

Average Telugu script coverage across all chunks: 80%


Telugu Vocabulary — Top Keywords (YAKE)

Keywords extracted statistically — most distinctive terms per chunk.

  • ముద్రణ
  • విజయవాడ
  • ప్రజాశక్తి
  • న్‌్‌
  • త్తు
  • జనవిజాన
  • వేదిక
  • దీనీ
  • ఆకులతో
  • అరవింద
  • గుపా
  • న్నా
  • “ఆశా
  • న్లో
  • ఒఇిస్టీ
  • “పళ్లని
  • ఇండియా
  • పీపుల్స్‌
  • నెట్‌వర్క్‌
  • అనుబంధం
  • ప్రచురణ
  • సంఖ్య
  • ప్రథమ
  • జూన్‌
  • సీరస్‌
  • సంపాదకుడు
  • బాలసుబ్రమణ్యం
  • ప్రతులకు
  • ఆద్దే
  • బుక్‌హౌస్‌

Per-Chunk Details

Chunk 1 — ఆకులతో-జూ_pages0001-0010.txt

OCR Score: 79% Telugu coverage
Characters: 3414

OCR Issues:

  • ASCII junk on lines: [70, 72, 73, 83, 86]...

Key Terms:

  • ముద్రణ
  • విజయవాడ
  • ప్రజాశక్తి
  • న్‌్‌
  • త్తు
  • జనవిజాన
  • వేదిక
  • దీనీ
  • ఆకులతో
  • అరవింద
  • గుపా
  • న్నా
  • “ఆశా
  • న్లో
  • ఒఇిస్టీ
  • “పళ్లని
  • ఇండియా
  • పీపుల్స్‌
  • నెట్‌వర్క్‌
  • అనుబంధం
  • ప్రచురణ
  • సంఖ్య
  • ప్రథమ
  • జూన్‌
  • సీరస్‌
  • సంపాదకుడు
  • బాలసుబ్రమణ్యం
  • ప్రతులకు
  • ఆద్దే
  • బుక్‌హౌస్‌

Extractive Summary:

య [1 వా ను గ లీ, 1 క వ స్‌ చ సళ స స్త ల శ ఇళ న న. గ క శ న సనా పం. స్‌ “గ లోల గ్గే న శ డాధరక ఖ్‌ పా స /] ల 9 0 నడర్‌ట స్తో 11 క వు సయం లా?


Chunk 2 — ఆకులతో-జూ_pages0011-0020.txt

OCR Score: 77% Telugu coverage
Characters: 4509

OCR Issues:

  • ASCII junk on lines: [111, 211]
  • Repeated punctuation clusters: 10 occurrences

Key Terms:

  • ల్‌ో
  • స్‌ో
  • న్‌్‌
  • శ్రీ
  • న్లో
  • కల్తో
  • ట్టు
  • శాస్త్రీ
  • న్‌ా
  • “ళ్ళి
  • సాత్న
  • లాటీ
  • ఉబ్బు
  • యన్‌
  • చేసు
  • ల్లీ
  • అన్నా
  • తానా
  • లాఇ్న
  • ఇతమ్స్నై
  • అతని
  • కట్‌
  • ళ్ళి
  • ఆటలకి
  • హ్మ్‌
  • జఆజతామానం
  • నోరేసో
  • లాలో
  • జ్ధా
  • ాగచళ

Extractive Summary:

ల్లో, క 4/ | ము గ లో కిల వ; ఉర టట గటోలోటటో శ గగటని నారు | గ/భోటో ణీ ॥ గం ఇ జ గ్ర శీ త ల ఈ శి టం ఖ్‌ . గా, యగ ఇ భూ గ్‌ జాం న స ॥ ట్‌ | గ ( ళ్స ం రీ ల న రా (€ | | + / స ర క! గ పప 4 ల [స్వా | న్న || ॥ శ ఇతే న ళ్‌ జ ల న.


Chunk 3 — ఆకులతో-జూ_pages0021-0030.txt

OCR Score: 80% Telugu coverage
Characters: 2045

OCR Issues:

  • No notable OCR issues detected

Key Terms:

  • ల్లో
  • న్ను
  • సల్‌
  • ్ర్ష
  • సట్‌
  • స్యా
  • గాంగ
  • టఎపడ్షుమంన
  • కక్కు
  • సన్ను
  • ట్రళం
  • ్రత్తరి
  • సాహీంక
  • సంలు
  • నాను
  • కోగ్తోలోటో
  • ల్త్‌గ
  • మంతం
  • భావాసొటి
  • అస్తుల
  • “శ్రాజ్నాల
  • ట్స్‌
  • కక్‌
  • గట్టగ
  • నల్‌
  • జైళళో
  • దుప్పి
  • న్కు
  • వేలో
  • అత్త

Extractive Summary:

పాం (/// గట్టగ" హా తో (గ 4 4 న్‌ టో ర శ న వ గ న 0 నల్‌. 1 వ ర 6 / 1% వ్ష ల ల్లో ల్లో గ దుప్పి ॥ న! _ శ శః ఖ్‌ క పై స || నౌ “ఇలో _్‌ ఉ, శే వి లశ నో ల అల తీన్‌ న క సాకు న న శీ _'.. క శష్టను ౪ ఎ నోరా చ ల ః త తి జో ను!


Chunk 4 — ఆకులతో-జూ_pages0031-0037.txt

OCR Score: 82% Telugu coverage
Characters: 946

OCR Issues:

  • No notable OCR issues detected

Key Terms:

  • కోడి
  • పుంజు
  • గ్త్‌
  • ఇశ్యష్ట్ర
  • ళఖ్లై
  • ఇృళశిగా
  • క్వి
  • ఖ్గి
  • శుస్టే
  • మ్మో
  • న్నా
  • వారా
  • మైవమహ
  • కప్పు
  • ఆల్స్‌
  • ఇండియా
  • పీపుల్స్‌
  • సైన్స్‌
  • నెట్‌వర్క్‌
  • అనుబంధం
  • మవసు
  • ఫౌండేషన్‌
  • పుస్తకాల
  • పరిశీలవాపట్టిక
  • __పపకంపఖ్య
  • గ్రరి
  • పేరు
  • _ముదుట
  • సీస్‌
  • నానా

Extractive Summary:

ల ల థి | (0 ర్ట త , ఆ లట ని చత కీ న = ఈ ఖ్గి న . వా జ ం శ క ల భి ల పె వె. పేరు 0 (క్‌ ప స _ముదుట సీస్‌ కం నానా లం రాందకమంత్‌ లెవవేటలు (ల లం గాగ ై