Telugu ఐదుగురు చైనా సోదరులు noLLM analysis - anilvaranasi/indianlanguages GitHub Wiki

Analysis: ఐదుగురు-చైనా-సోదరులు

Method: Non-LLM (Frequency keywords + LexRank + Unicode heuristics)
Source: https://sundarayya.org/aidaugaurau-caainaaa-saoodaraulau-0
Date: 2026-08-03 21:07
Chunks: 4


Book Overview

Book: ఐదుగురు-చైనా-సోదరులు
Source: https://sundarayya.org/aidaugaurau-caainaaa-saoodaraulau-0
Total OCR chunks analysed: 4


OCR Quality Summary

Average Telugu script coverage across all chunks: 87%


Telugu Vocabulary — Top Keywords (YAKE)

Keywords extracted statistically — most distinctive terms per chunk.

  • చిన్నపిల్లాడు
  • న్‌ా
  • ఐదుగురు
  • ఉండేవారు
  • సముద్రం
  • మంచి
  • చైనా
  • నేను
  • నువ్వు
  • వట్ట
  • ఎక్‌
  • న్నా
  • క్లెయిర్‌
  • బిషప్‌
  • అనుసృజన
  • ఆదర్శ
  • సామ్రాట్‌
  • విజ్ఞాన
  • ముద్రణ
  • ఒకేలా
  • ఉండే
  • చిన్న
  • చేపలు
  • పడతాడు
  • కుర్రాడు
  • అన్నాడు
  • వెనక్కి
  • తప్పకుండా
  • చైనాకుర్రాడు
  • ్‌్‌

Per-Chunk Details

Chunk 1 — ఐదుగురు-చైనా-సోదరులు_pages0001-0010.txt

OCR Score: 77% Telugu coverage
Characters: 10602

OCR Issues:

  • ASCII junk on lines: [151, 155, 156, 157, 158]...
  • Repeated punctuation clusters: 13 occurrences

Key Terms:

  • చిన్నపిల్లాడు
  • న్‌ా
  • ఐదుగురు
  • ఉండేవారు
  • సముద్రం
  • మంచి
  • చైనా
  • నేను
  • నువ్వు
  • వట్ట
  • ఎక్‌
  • న్నా
  • క్లెయిర్‌
  • బిషప్‌
  • అనుసృజన
  • ఆదర్శ
  • సామ్రాట్‌
  • విజ్ఞాన
  • ముద్రణ
  • ఒకేలా
  • ఉండే
  • చిన్న
  • చేపలు
  • పడతాడు
  • కుర్రాడు
  • అన్నాడు
  • వెనక్కి
  • తప్పకుండా
  • చైనాకుర్రాడు
  • ్‌్‌

Extractive Summary:

జ శ్‌ ఎ ఈ లైల అ క క | | చ్య్యుక్య శల్య గ జ లి ల హా ఆ త ముకి శ న శ. - ” పనా / టే వ శి ల కన మాన ౪ న ల్ల గ న్‌ లా కై యు తగ క తా ॥ _ _ 1 అ ఇ క్‌ స్‌ లా నే కా లా శ ఉ స. | ” స స | న ఓ క ల గ , శ / | శి య ఆ ళ్‌ ము.


Chunk 2 — ఐదుగురు-చైనా-సోదరులు_pages0011-0020.txt

OCR Score: 94% Telugu coverage
Characters: 2757

OCR Issues:

  • No notable OCR issues detected

Key Terms:

  • చైనా
  • ఉన్న
  • కుర్రాడు
  • పిల్లాడు
  • సముద్రం
  • చైనాకుర్రాడు
  • చిన్న
  • రమ్మని
  • మరింత
  • గవ్వలు
  • శంఖాలు
  • చూసి
  • పరిగెత్తాడు
  • నోట్లోనే
  • పట్టి
  • దాంతో
  • బాగా
  • సముద్రాన్ని
  • నోట్లో
  • చిన్నపిల్లాడ్ని
  • అయితే
  • కుర్రాడి
  • మాటను
  • ఒడ్డుకి
  • కాని
  • నుంచి
  • అతడి
  • ఎగిరి
  • అతని
  • జడ్జిగారు

Extractive Summary:

జ ో అంత అందంగా ఉన్న అడుగుభాగాన్ని చూసి చిన్నఎల్లాడు (1. మ ఖ్‌ వదరోాయాా అవ ననన ణా న్‌ ప్రానం నే హల వసనే సల్మా చ క ఖనన హిమపాత న. ఎంత లో (1 క్ష పిలిచినా రాని ఆ న్‌ కక క


Chunk 3 — ఐదుగురు-చైనా-సోదరులు_pages0021-0030.txt

OCR Score: 94% Telugu coverage
Characters: 2576

OCR Issues:

  • No notable OCR issues detected

Key Terms:

  • చైనా
  • కుర్రాడు
  • కుర్రాడ్ని
  • సముద్రం
  • నవ్వుతూ
  • రెండో
  • ఎవరికీ
  • తెలీదు
  • అన్నారు
  • అమ్మను
  • వుంది
  • అన్నాడు
  • ఈసారి
  • ఇంకా
  • మంటలు
  • నిలబడ్డాడు
  • ఎవరూ
  • రహస్యం
  • అతను
  • జనానికి
  • సముద్రంలో
  • ముంచి
  • రోజు
  • వచ్చింది
  • ఇంటికొచ్చాడు
  • మూడో
  • వాడు
  • అందుకని
  • పెద్ద
  • అందరూ

Extractive Summary:

మూడోవాడ్ని ఓ పెద్ద పడవ ఎక్కించి సముద్రం మధ్యకు తీసుకుపోయాడు. య - / / ్టి సముద్రం నడిబొడ్డుకు పడవ చేరింది. అ జం త ళ్‌ శ్‌ఖి ్నాన్షన్తోోత స్‌ లే “వూ + ళు ల లీ నో య టో హ్‌ క్ర గ్త్‌ గళ .


Chunk 4 — ఐదుగురు-చైనా-సోదరులు_pages0031-0037.txt

OCR Score: 82% Telugu coverage
Characters: 8259

OCR Issues:

  • Repeated punctuation clusters: 10 occurrences

Key Terms:

  • కుర్రాడ్ని
  • పుస్తకాలు
  • మరింత
  • అన్నారు
  • వారికి
  • న్‌ా
  • చైనా
  • పడేశారు
  • జనమంతా
  • రాత్రంతా
  • బట్టీ
  • అందరూ
  • బయటకు
  • కాలేదు
  • జడ్జిగారు
  • కూడా
  • కాని
  • మాకు
  • నువ్వు
  • చేసి
  • గ్రామాల్లో
  • మంచి
  • చదువంటే
  • చదివే
  • అలవాటుని
  • బాగా
  • కొత్త
  • పుస్తకాలను
  • వీటిని
  • ఇలాంటి

Extractive Summary:

క్ష క నం సా లో ప కూర ఇ శ య స లగా ఫో య = ను కం జ ఓ | న క్ష న 2 నర కీ నం... అ. న " శె న "ఈ తమి, .. ఇం (క క స మం జే | శః చ టో న ఇ క అపో వార ంవ ల ఓ ట్రీ ఎఖ న్‌ ం క | న. వ షా టు క్ట నో ” న శం క న చా జ య న న నం ణ్‌ స్టే స 11 న క వు నారో ను వ నాల వరాతనారావారాతానన యో మ | ట్ట , ॥ ప ల జి ష్‌ ల శ ణే 2 య తో = " ళ్శా శే క్‌ ఇ గి క ట్‌” “శ్‌ - నఖ ఖీ | నా ్‌ స క్‌ ఇ మ త్‌ ా క్ష 1 స - ఖః.