Telugu కుమ్మరి నరసయ్య noLLM analysis - anilvaranasi/indianlanguages GitHub Wiki

Analysis: కుమ్మరి-నరసయ్య

Method: Non-LLM (Frequency keywords + LexRank + Unicode heuristics)
Source: https://sundarayya.org/kaumamarai-narasayaya
Date: 2026-08-03 21:29
Chunks: 3


Book Overview

Book: కుమ్మరి-నరసయ్య
Source: https://sundarayya.org/kaumamarai-narasayaya
Total OCR chunks analysed: 3


OCR Quality Summary

Average Telugu script coverage across all chunks: 89%


Telugu Vocabulary — Top Keywords (YAKE)

Keywords extracted statistically — most distinctive terms per chunk.

  • లీలల
  • చందం
  • నందం
  • కుకు
  • నరసయ్య
  • చంచల
  • చంచలం
  • లంచం
  • వందల
  • ఉంది
  • అరిం
  • చలనం
  • ర్యా
  • పంచం
  • చందనం
  • పెద్దపులి
  • టీటీ
  • నవనవ
  • న్‌ా
  • ల్ని
  • పులి
  • కన్నాలు
  • టల్‌
  • రంది
  • ల్లీ
  • ర్‌ం
  • వలవల
  • అలలే
  • వందనం
  • లల్ల

Per-Chunk Details

Chunk 1 — కుమ్మరి-నరసయ్య_pages0001-0010.txt

OCR Score: 90% Telugu coverage
Characters: 60056

OCR Issues:

  • ASCII junk on lines: [7, 77, 175, 179, 182]...
  • Repeated punctuation clusters: 24 occurrences

Key Terms:

  • లీలల
  • చందం
  • నందం
  • కుకు
  • నరసయ్య
  • చంచల
  • చంచలం
  • లంచం
  • వందల
  • ఉంది
  • అరిం
  • చలనం
  • ర్యా
  • పంచం
  • చందనం
  • పెద్దపులి
  • టీటీ
  • నవనవ
  • న్‌ా
  • ల్ని
  • పులి
  • కన్నాలు
  • టల్‌
  • రంది
  • ల్లీ
  • ర్‌ం
  • వలవల
  • అలలే
  • వందనం
  • లల్ల

Extractive Summary:

న వ్‌ ఇ క ఇ క; వ ల | హు ఇ ర్త + గ రా ఠి [5 ఇ | €ి ల్ని క ళ్‌ న్‌ మ ట్ట” - ఇ స 7 " వం అం వి నతో న] | ౭ 4 అ ల | ఇ 1 - ల /| వ ఉం ల మ ఉం శ ఖా ॥| శ ఇ 4 ॥ ఇ జీ | _ శా (౫ = ల ఇ ః 2 న్‌ " జ్‌ ల న. (1 | ఇ ఛ్‌ గ్‌ శ గి న అచ, పి ట్‌ కే + న / (/ న ్న ఆ ల జ ఆ + / శ వ ల [సనా న ॥ నీ చ స్‌ంలి - ౯4 గ _ కట అశ నే లై = ఇ న ఇ జ ల స ల ॥ క ణి న ఉం ॥ - 4 చే ఇ క 1 ల గి ళు అ ల బి4 గే ఓ నవత ల ఈత శ్‌ కక క లల అటి అలం ఫ్రై ఫైనా - ॥| (్‌ ల క ర్ట [్‌ స ౮ ఉట! క శ ళ' తీ లాల ఆ ఆ వా లశ ల్యరి్య & లీలలలో లీ ల్లో టీ భీ ర లేబ్య ల 9 న్యత్కల్కాత్నికల్యాల్యార్యా జల ల ఉ ఆరి చి అ ర్యిల, కవనం ననన ంరన నందం లచ చంచ రచనని నిందించి వలం ప ఇ శ ల ణి (0 టల న లర కలీ శృ నననదరరరరదాంాన న రదదచేదదనదల (క క ననన కక్కు చెం చం చంచలం ద దంల న చం విం పం వళ చంచచదంంం చం చతర న లలన చంచల వంచ వం నందనం చలనం లంచ 4922093 నగ నదే యు కు డు తనల తల కు బ్‌ ల ఎ "శ ్యాల జట 4 రా రక రాల్యాల్యులిలి జీ సి అలలే లీ లీ టీ లీ లబ లయం ఉల్యారా లతా ర్యాన్‌, ల ననదనరరలంరరా నతన గగతరతరద్‌ దద (కుకు 4 అటే లోట ల అ ఖా - జ రబ త్య త్య ళ్యన్య త్య టి, పేల బీ అ అన ఉట ద్యలాన్యాతిల్యాజ్యత్యకా డికి ఛి రుడు!


Chunk 2 — కుమ్మరి-నరసయ్య_pages0011-0020.txt

OCR Score: 85% Telugu coverage
Characters: 47160

OCR Issues:

  • ASCII junk on lines: [601, 639, 650, 652, 658]...
  • Repeated punctuation clusters: 34 occurrences

Key Terms:

  • నవనవ
  • నరసయ్య
  • గ్త్‌
  • పగరాజు
  • నరసయ్యకు
  • గుర్రం
  • వినం
  • రాజుగారు
  • త్తే
  • పవనం
  • న్‌్‌
  • కూడా
  • అనుకున్నాడు
  • కుమ్మరి
  • పరిగెత్తారు
  • మనను
  • అట్ల
  • వేశం
  • వలవల
  • జల్ల
  • న్నే
  • న్నా
  • ర్‌ం
  • వనాల
  • ర్రం
  • ఉంది
  • లేదు
  • అయితే
  • ఇప్పుడు
  • నరసయ్యను

Extractive Summary:

ర అ క న వాల ఈ అతల అ వ్‌ ఆ 6వ శే క ; | నం జభ” 4 *-ం ప కే న ఎం _ న నవ కక 1 స్త కే క భవతి లం భి న శచే స వ శ | క క స ఇ ఇ ; కమ ఇ శర న 4, 53 4 తః; | క క్‌ క రె వంతం లీ = న - స . / క క, ం క్‌ స ల ళం అట్టి న గ ; ల్‌ శల న కంల య క స స ఇ, 59ఖలీ 4 ష్య క క న న 4లో క సం 447 త "వ రళ టం కల కవ | వి ళ్‌ న / క నీ ఇ శ / స క అక శ. శ న ల సం ఎ ఇ , ర్త లు కం న తం 4 క రేసు వ వను వవ క కు న బరి లం 2న తా వ 1 స, _ న క క క.


Chunk 3 — కుమ్మరి-నరసయ్య_pages0021-0021.txt

OCR Score: 93% Telugu coverage
Characters: 130

OCR Issues:

  • ASCII junk on lines: [8]

Key Terms:

  • మవసు
  • ఫౌండేషన్‌
  • లాహండంట్ల్‌
  • లావాలా
  • ావమకం
  • ాళావిద
  • వృాకచవతి
  • ాదపరడావకన
  • జాలా
  • జ్రడంద
  • చేతన
  • నానన

Extractive Summary:

న మవసు ఫౌండేషన్‌ లాహండంట్ల్‌ సరా లావాలా చమ తాన ావమకం “౧౧ డాం ాళావిద రా వృాకచవతి గీ(0020 హు ాదపరడావకన హౌ జాలా జ్రడంద చేతన | నక నానన