Telugu ఎనిమిది గంటల బస్సు noLLM analysis - anilvaranasi/indianlanguages GitHub Wiki

Analysis: ఎనిమిది-గంటల-బస్సు

Method: Non-LLM (Frequency keywords + LexRank + Unicode heuristics)
Source: https://sundarayya.org/ఎనిమిది-గంటల-బస్సు
Date: 2026-08-11 13:05
Chunks: 3


Book Overview

Book: ఎనిమిది-గంటల-బస్సు
Source: https://sundarayya.org/ఎనిమిది-గంటల-బస్సు
Total OCR chunks analysed: 3


OCR Quality Summary

Average Telugu script coverage across all chunks: 86%


Telugu Vocabulary — Top Keywords (YAKE)

Keywords extracted statistically — most distinctive terms per chunk.

  • బస్సు
  • ఉంది
  • ఎనిమిది
  • లీలల
  • అరిం
  • కూడా
  • గంటలు
  • న్‌్‌
  • లర్‌
  • వచచన
  • గంటల
  • క్యా
  • న్ని
  • న్‌ా
  • ల్లీ
  • ననున
  • నవనవ
  • కోసం
  • పట్నం
  • గంటలకు
  • లేదు
  • చూస్తున్నారు
  • న్వ్‌
  • న్నా
  • అక్‌
  • టిజి
  • చందం
  • ల్యే
  • గనుక
  • కక్‌

Per-Chunk Details

Chunk 1 — ఎనిమిది-గంటల-బస్సు_pages0001-0010.txt

OCR Score: 87% Telugu coverage
Characters: 43625

OCR Issues:

  • ASCII junk on lines: [210, 312, 486, 489, 551]...
  • Repeated punctuation clusters: 33 occurrences

Key Terms:

  • బస్సు
  • ఉంది
  • ఎనిమిది
  • లీలల
  • అరిం
  • కూడా
  • గంటలు
  • న్‌్‌
  • లర్‌
  • వచచన
  • గంటల
  • క్యా
  • న్ని
  • న్‌ా
  • ల్లీ
  • ననున
  • నవనవ
  • కోసం
  • పట్నం
  • గంటలకు
  • లేదు
  • చూస్తున్నారు
  • న్వ్‌
  • న్నా
  • అక్‌
  • టిజి
  • చందం
  • ల్యే
  • గనుక
  • కక్‌

Extractive Summary:

న క వదం క్‌ గిం లె 70 6కి ల ఇకా ల్యర్వ ర్య రం రిం ఇ జపం ణ్‌ 90, క! కక గే కస న క క క క టీ జ ఇ ర ర న బోజ అ = ల టిల అల లీల య. 1 ఆ నీ గా | + ళీ స నో (ఇ (| క్ష ౮ న చకా ర్ట కి (పేల ॥ ౯ బ్‌ “ ఖ్‌ " / జ్‌ | క న క ల మం కుం!


Chunk 2 — ఎనిమిది-గంటల-బస్సు_pages0011-0020.txt

OCR Score: 79% Telugu coverage
Characters: 45567

OCR Issues:

  • ASCII junk on lines: [74, 78, 81, 83, 87]...
  • Repeated punctuation clusters: 55 occurrences

Key Terms:

  • బస్సు
  • కేటీ
  • ఉంది
  • శీలం
  • అందరూ
  • లీలల
  • కేటి
  • శిలల
  • రేటే
  • ళ్ళి
  • కళ్‌
  • నేనే
  • టీటీ
  • నీలీ
  • సీటు
  • ఆమెను
  • బస్సులో
  • న్‌్‌
  • రీల్‌
  • టల్‌
  • కేళి
  • కలలే
  • ఇక్‌
  • గంటల
  • ఎనిమిది
  • అయ్యో
  • సుబ్బయ్యగారు
  • బాధపడ్డారు
  • కూడా
  • ఆమెకు

Extractive Summary:

క వ స డా న ఇ" న్‌ 4 పసల్స ఎఇ క లం ల 4 = మి టం న ర క అలలో ల న. లర స క య అలల న “న క స ౪1 న శ య సంక ప క న టం వ్య ల ల "ఖ్‌ కణ లం శన్యాల్య చు ళ్యానట్యల్య ల 2 ్‌ ॥ నక న నే | శ స కస క క గ | యే అ ల! ॥| వ 1 ల శ జ వా స స క న పే లోల న "| ర.


Chunk 3 — ఎనిమిది-గంటల-బస్సు_pages0021-0021.txt

OCR Score: 93% Telugu coverage
Characters: 203

OCR Issues:

  • No notable OCR issues detected

Key Terms:

  • మవను
  • ఫౌండేషన్‌
  • పుప్తకాల
  • పరిశీలవాపట్టిక
  • పహాంవల్య
  • పేరు
  • చుందయళట్టి
  • వమకలట్టి
  • _మెక్తువ
  • పెద్దపైతపేల
  • పతలువిడదీపివి
  • టీవీల
  • _పజలుపరంచూపివవి
  • బైందింగుచేసివి
  • ప్కవచయ్యవివి

Extractive Summary:

మవను ఫౌండేషన్‌ జీ పుప్తకాల పరిశీలవాపట్టిక "పహాంవల్య ద ౧|దం (౧ /చున కం పేరు / "చుందయళట్టి సట వమకలట్టి | _మెక్తువ | పెద్దపైతపేల మ పతలువిడదీపివి | దం త్‌ టీవీల _పజలుపరంచూపివవి బైందింగుచేసివి ప్కవచయ్యవివి