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.