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 ై