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