Telugu ఎవరి తోక noLLM analysis - anilvaranasi/indianlanguages GitHub Wiki

Analysis: ఎవరి-తోక

Method: Non-LLM (Frequency keywords + LexRank + Unicode heuristics)
Source: https://sundarayya.org/evarai-taooka
Date: 2026-08-06 09:27
Chunks: 3


Book Overview

Book: ఎవరి-తోక
Source: https://sundarayya.org/evarai-taooka
Total OCR chunks analysed: 3


OCR Quality Summary

Average Telugu script coverage across all chunks: 85%


Telugu Vocabulary — Top Keywords (YAKE)

Keywords extracted statistically — most distinctive terms per chunk.

  • ప్రచురణ
  • ఎవరి
  • ఫోన్‌
  • ఉంటుంది
  • వేదిక
  • బాలసుబ్రమణ్యం
  • కోతి
  • దీంతో
  • అంశా
  • ఆక్హ్కా
  • త్రి
  • శ్వా
  • జఆజనవిజాన
  • వెదిక
  • ఉంటం
  • 1గ10”
  • తుకు
  • విజ్ఞాన
  • ఆల్‌
  • ఇండియా
  • పీపుల్స్‌
  • సైన్స్‌
  • నెట్‌
  • వర్క్‌
  • అనుబంధం
  • సీరీస్‌
  • ఎడిటర్‌
  • జనవిజ్ఞాన
  • ఆంధప్రదేశ్‌
  • మొదటి

Per-Chunk Details

Chunk 1 — ఎవరి-తోక_pages0001-0010.txt

OCR Score: 84% Telugu coverage
Characters: 1360

OCR Issues:

  • ASCII junk on lines: [60, 61, 64, 66, 71]...

Key Terms:

  • ప్రచురణ
  • ఎవరి
  • ఫోన్‌
  • ఉంటుంది
  • వేదిక
  • బాలసుబ్రమణ్యం
  • కోతి
  • దీంతో
  • అంశా
  • ఆక్హ్కా
  • త్రి
  • శ్వా
  • జఆజనవిజాన
  • వెదిక
  • ఉంటం
  • 1గ10”
  • తుకు
  • విజ్ఞాన
  • ఆల్‌
  • ఇండియా
  • పీపుల్స్‌
  • సైన్స్‌
  • నెట్‌
  • వర్క్‌
  • అనుబంధం
  • సీరీస్‌
  • ఎడిటర్‌
  • జనవిజ్ఞాన
  • ఆంధప్రదేశ్‌
  • మొదటి

Extractive Summary:

, | అంశా వ్‌ ః | "శ జ 1 ఆక్హ్కా.......టషి య ॥ సే క అలా ం. క్త | 4 శ జీ ల గ్‌ ళా స టా. - శ్‌ జీ / త్రి 4 - న (౯ తీ క న చే ల క ౮ ఆ అ శ్వా ॥ జా ఇ 6 య్య ప.


Chunk 2 — ఎవరి-తోక_pages0011-0020.txt

OCR Score: 88% Telugu coverage
Characters: 709

OCR Issues:

  • ASCII junk on lines: [23]
  • High noise-line ratio (12/68 lines < 3 chars)

Key Terms:

  • ఉంటుంది
  • ఎవరి
  • చాలా
  • అందంగా
  • దీన్ని
  • దీంతో
  • కొడుతుంది
  • కంగారు
  • నెమలి
  • ఇ్హ్ర
  • పైకి
  • లేచి
  • ఊపుతూ
  • చెట్ల
  • షికార్లు
  • నడజో
  • గ్రా
  • “శ్‌
  • పొట్టిగా
  • రండుగా
  • చీలి
  • గుర్రం
  • కుచ్చులుగా
  • వుంటుంది
  • చూడడానికి
  • ఇదిఎవరితోక
  • లావుగా
  • బలంగా
  • పొడుగ్గా
  • దీని

Extractive Summary:

౯ ఇ్హ్ర శ. ఇది ఉడత తోక అ క్ట . - ఉడత దీన్ని ఊపుతూ ఉంటుంది.


Chunk 3 — ఎవరి-తోక_pages0021-0025.txt

OCR Score: 83% Telugu coverage
Characters: 1614

OCR Issues:

  • No notable OCR issues detected

Key Terms:

  • వాళ్ళు
  • పుస్తకాలు
  • దేంతో
  • కూడా
  • స్టే
  • నెన్న
  • న్‌ు
  • కీసి
  • కోరీ
  • అన్‌
  • ఉందా
  • తోకతో
  • చేసే
  • పనులు
  • చింపాంజీ
  • చేస్తుంది
  • నువ్వు
  • చేస్తావు
  • బడిలో
  • అప్పుడే
  • చేరిన
  • ఒకటో
  • తరగతి
  • చదువుతున్న
  • చద్ద్య్యోటరా”
  • వాళ్ళకు
  • కృణజళ్త్నడా
  • రాస్తారై
  • షనీాీ
  • ఆరంలేని

Extractive Summary:

ఖ్న ౪ 44 ఇ, శే తొ ల క ” శ న్న | ॥ ఓ | న్న భట నెన్న త్‌ య. న య కోరీ ల. గ్‌ శ లే ల బి అన్‌ ణీ లీ శ స త ఏ .