Telugu ఆడపిల్ల కథ noLLM analysis - anilvaranasi/indianlanguages GitHub Wiki

Analysis: ఆడపిల్ల-కథ

Method: Non-LLM (Frequency keywords + LexRank + Unicode heuristics)
Source: https://sundarayya.org/adapailala-kadha
Date: 2026-08-03 19:07
Chunks: 4


Book Overview

Book: ఆడపిల్ల-కథ
Source: https://sundarayya.org/adapailala-kadha
Total OCR chunks analysed: 4


OCR Quality Summary

Average Telugu script coverage across all chunks: 91%


Telugu Vocabulary — Top Keywords (YAKE)

Keywords extracted statistically — most distinctive terms per chunk.

  • అమ్మ
  • నన్ను
  • నాకు
  • నేను
  • నాయన
  • బాగా
  • కూడా
  • కోపం
  • తమ్ముడు
  • నుంచి
  • వాడిని
  • ఉయ్యాల
  • వాడు
  • జారి
  • బడికి
  • పోవాలి
  • ౧౧4౨
  • మాగా
  • మ్మ్‌
  • ఆడఎల
  • పసిడి
  • పంటలు
  • అకడమిక్‌
  • -కమిటీ
  • __జనవిజ్హాన
  • వెదిక
  • జనవిజ్ఞాన
  • వేదిక
  • “మాన్య
  • ఆడపిల్లను

Per-Chunk Details

Chunk 1 — ఆడపిల్ల-కథ_pages0001-0010.txt

OCR Score: 90% Telugu coverage
Characters: 2257

OCR Issues:

  • ASCII junk on lines: [21]

Key Terms:

  • అమ్మ
  • నన్ను
  • నాకు
  • నేను
  • నాయన
  • బాగా
  • కూడా
  • కోపం
  • తమ్ముడు
  • నుంచి
  • వాడిని
  • ఉయ్యాల
  • వాడు
  • జారి
  • బడికి
  • పోవాలి
  • ౧౧4౨
  • మాగా
  • మ్మ్‌
  • ఆడఎల
  • పసిడి
  • పంటలు
  • అకడమిక్‌
  • -కమిటీ
  • __జనవిజ్హాన
  • వెదిక
  • జనవిజ్ఞాన
  • వేదిక
  • “మాన్య
  • ఆడపిల్లను

Extractive Summary:

౧౧4౨ 01 (1 శ 1 న క్‌ మాగా డూ [| (న గా | . శి న్‌ ఇ శ క జ్య కం! ఖ ఇ 1 ళ్‌ ఓ ఇ | న్‌ క్‌ శ అ ( జ , ళ్ళ జ క న.


Chunk 2 — ఆడపిల్ల-కథ_pages0011-0020.txt

OCR Score: 93% Telugu coverage
Characters: 4106

OCR Issues:

  • No notable OCR issues detected

Key Terms:

  • నాకు
  • వాడు
  • అమ్మ
  • నేను
  • నన్ను
  • లేదు
  • వచ్చింది
  • వాటిని
  • కూడా
  • వాడి
  • ఇప్పుడు
  • పెద్ద
  • ఆడపిల్లలు
  • అయితే
  • ఇల్లు
  • బడికి
  • తమ్ముడికి
  • పలకా
  • కొనిచ్చారు
  • నాయన
  • వాడిని
  • వచ్చాడు
  • పాటలు
  • మానాయన
  • తమ్ముడు
  • పిచ్చి
  • ఇంటి
  • నెత్తిన
  • అంటున్నారు
  • కంటె

Extractive Summary:

| పా ను గా ల సో న్నా = న్న్న న | అోనాానానన / గ - వాల నొ సు శా య గతా ఫ్‌ హై శే టీ .. 11 ల 2 పాలన నా న వామ /| రే. (ఫ్‌ | హ్‌ కీ ణో తా క 7 ళ్‌ -" ( క శ్ర | ఈ ) హాం రగం య నే ల ్‌ కో ర ో .


Chunk 3 — ఆడపిల్ల-కథ_pages0021-0030.txt

OCR Score: 91% Telugu coverage
Characters: 3203

OCR Issues:

  • ASCII junk on lines: [10]

Key Terms:

  • ఆడవాళ్ళు
  • కూడా
  • మాకు
  • లోకం
  • ఇప్పుడు
  • మంచి
  • నాకు
  • నేను
  • చాలా
  • ఎందుకు
  • ఇవన్నీ
  • ఎన్నో
  • తల్లినవుతాను
  • చదువు
  • పెద్ద
  • చేరారు
  • వాళ్ళు
  • లాగా
  • ఉన్నారు
  • సమానం
  • తల్లి
  • మాట్తాడుకొన్నాము
  • రోజూ
  • కొత్త
  • ఇపుడు
  • సంగతులు
  • కలిసి
  • చదువుకొన్న
  • ఊళ్ళో
  • విషయాలు

Extractive Summary:

| సస) ప __ గ్‌ [గ క నా. ప ఇ || ఈం. 7 న .. నన తరి) సం డు ల్‌ గ 2!


Chunk 4 — ఆడపిల్ల-కథ_pages0031-0033.txt

OCR Score: 90% Telugu coverage
Characters: 1549

OCR Issues:

  • ASCII junk on lines: [6, 7, 12, 20, 54]

Key Terms:

  • నూతన
  • వారి
  • వేదిక
  • ఆంధ్రప్రదేశ్‌
  • కావచ్చు
  • ఒకటి
  • ఇందులో
  • పసిడి
  • పంటలు
  • అక్షరాస్రుల
  • నాహిత్యం
  • నాలుగవ
  • ఆడపిల్ల
  • ముద్రణ
  • జూలై
  • ప్రతులు
  • అకడమిక్‌
  • కమిటి
  • విజ్ఞాన
  • రైటు
  • ప్రచురణ
  • జనవిజ్ఞాన
  • తిలక్‌
  • నగర్‌
  • హైదరాబాద్‌
  • ఫోన్‌
  • అక్షరాస్యులు
  • విరుపేదలే
  • నాగరికతా
  • ప్రపంచానికి

Extractive Summary:

(నూతన అక్షరాస్రుల నాహిత్యం నాలుగవ దశ) ఆడపిల్ల కధ వెల 2.00. / ముద్రణ : 1993 జూలై ప్రతులు : 3000 4 రన, ; అకడమిక్‌ కమిటి, జన విజ్ఞాన వేదిక ఎ రైటు ఆంధ్రప్రదేశ్‌ ప్రచురణ జనవిజ్ఞాన వేదిక ఆంధ్రప్రదేశ్‌ 2-2-1105/34, తిలక్‌ నగర్‌, , హైదరాబాద్‌ - 44. 1 ఫోన్‌ ఏ 55 74 (03 వ