Telugu గోరింక గూడు noLLM analysis - anilvaranasi/indianlanguages GitHub Wiki

Analysis: గోరింక-గూడు

Method: Non-LLM (Frequency keywords + LexRank + Unicode heuristics)
Source: https://sundarayya.org/గోరింక-గూడు
Date: 2026-08-09 16:19
Chunks: 3


Book Overview

Book: గోరింక-గూడు
Source: https://sundarayya.org/గోరింక-గూడు
Total OCR chunks analysed: 3


OCR Quality Summary

Average Telugu script coverage across all chunks: 87%


Telugu Vocabulary — Top Keywords (YAKE)

Keywords extracted statistically — most distinctive terms per chunk.

  • వాడు
  • నాగరాజు
  • సార్‌
  • వాడికి
  • కాదు
  • గట్టిగా
  • ర్‌ం
  • వాడి
  • ర్తి
  • న్ని
  • పనులు
  • ఉండేవి
  • తెలుసా
  • క్‌ి
  • న్లో
  • ఉండేది
  • వాటిని
  • మాకు
  • ఉంటుంది
  • క్ష్‌
  • సంగతి
  • చేసే
  • నన్ను
  • స్టా
  • ఇజ్‌
  • స్వీ
  • మోరు
  • మిరు
  • వాడిని
  • వాటి

Per-Chunk Details

Chunk 1 — గోరింక-గూడు_pages0001-0010.txt

OCR Score: 88% Telugu coverage
Characters: 32121

OCR Issues:

  • ASCII junk on lines: [133, 137, 341]

Key Terms:

  • వాడు
  • నాగరాజు
  • సార్‌
  • వాడికి
  • కాదు
  • గట్టిగా
  • ర్‌ం
  • వాడి
  • ర్తి
  • న్ని
  • పనులు
  • ఉండేవి
  • తెలుసా
  • క్‌ి
  • న్లో
  • ఉండేది
  • వాటిని
  • మాకు
  • ఉంటుంది
  • క్ష్‌
  • సంగతి
  • చేసే
  • నన్ను
  • స్టా
  • ఇజ్‌
  • స్వీ
  • మోరు
  • మిరు
  • వాడిని
  • వాటి

Extractive Summary:

౨ ర్‌, నో రోనికి (ఆ ర సలి పఆరేళ , కన న ప న్‌ గ ను టీ క షా ఇ ఏ రన నే జ్‌ అరె అరిం భి ఖ్‌ ల గ శా అ నన క మం మ చ్‌ (| ॥ వ జం క న్స ం ॥్‌ గవాం టం న 9౧ రిని గ న్న ీ ర చ సర య్‌ హో 9 వం న జక డక సంగ గి గ్‌ల' స్థన ళా త జా న. 0న ని ప న నూ న నగ ర న వ య ర శ వ ప పు మ న వ క న స క అం న్‌ ఎల చి తి ర సా వ్‌ క్ష = ., ల ద న్యాస స్వీ కో తు వ్‌ ౯ కిక క్ష అ జ చ మో ల జె క్షీ ల | త (| ళీ లీ | చ ల క న నాల ప స న ప టర యు య. న్ట్‌ంపై మ దర ఏత ఆ వళి, న మ లి, గవ ల ” వ స టో క్ష ఇ న న మీ ప మ కః ను నః మో స క్‌ త కన స ర సో ల ల్‌ ఇన పం ఈ "టి వ న ఏం, న స ౪9 న న | ౮ (1 మ క్‌ + షె న క వల సి | మ గ్య క్ష వ పన మం న న ఓ ర స న కం” ప నన న్‌ ప న్‌ | | ఇ శ న శ క యో ॥ గ ఇం9 గి, న మ న్‌ క 1 న ల జ!


Chunk 2 — గోరింక-గూడు_pages0011-0020.txt

OCR Score: 85% Telugu coverage
Characters: 72976

OCR Issues:

  • ASCII junk on lines: [274, 306, 346, 347, 356]...
  • Repeated punctuation clusters: 23 occurrences

Key Terms:

  • న్‌్‌
  • నాగరాజు
  • ఉంది
  • గోరింక
  • లక్‌
  • గద్ద
  • పిల్లలు
  • న్వ్‌
  • అమ్మ
  • వాడు
  • అన్నాడు
  • గూడు
  • దూలం
  • ల్‌ో
  • కన్‌
  • న్నే
  • నేను
  • కూడా
  • నాకు
  • ఉండేలు
  • న్న్న
  • న్ని
  • న్నక
  • అట్ట
  • దానిని
  • నుంచి
  • క్‌ి
  • ట్ర్‌
  • ల్లో
  • అక్‌

Extractive Summary:

అటి ల బం పంంసై టో ఖల్‌ * గో 6 అతీలీలీ, స గ్యక ల రను ను నరో పరల న ఉని క క క న ఇకక్తాలం (న 9 క్‌ | రం టీజర్‌ త, నేల సస మనని లీ న (5 కీ 29 “వో, టి, నీ ణే చ శ్ర ఏన 10$0 00: 'ల' జ” ల ఇ వ్‌ ల ల ఠి, న 1 ఇ క ర్‌ న 4 ఇ ఖీ, వ. (- టో లో ॥ ం స అలీ |; కం బీ క క క ; జై న త జం ॥ శ / / గి శిల అ ల; వా జ క. క ర 1 వో ఇ ॥ ల - /| _ క కై శం న ః ఖు శ టో!


Chunk 3 — గోరింక-గూడు_pages0021-0025.txt

OCR Score: 87% Telugu coverage
Characters: 10748

OCR Issues:

  • ASCII junk on lines: [301, 321, 325, 337, 341]...

Key Terms:

  • నాగరాజు
  • వాళ్ళు
  • పుస్తకాలు
  • కూడా
  • అన్నాడు
  • ఫోన్‌
  • చదువుతారు
  • బొట్టు
  • బాగా
  • అరిచి
  • వాటి
  • వస్తాయి
  • కిటికీలోంచి
  • గద్ద
  • గోరింక
  • వాడు
  • జేబులో
  • వసలం
  • న్‌ు
  • వినం
  • శివి
  • న్‌ా
  • శిలల
  • సంలు
  • ల్లీ
  • ప్రచురణ
  • ముద్రణ
  • బాలసుబ్రహ్మణ్యం
  • బొమ్మల్ని
  • చూచి

Extractive Summary:

ళ్‌ ఆ చు ఇ న ఖే 1 కలీ కెట్ట శలాక క ప్‌ ౭ నే శీ ంం శంస న్‌ శ నాళా 4 తే ల శి క్‌ వ! శు ళ్‌ వల్‌ లి క క స క శ ॥ ళం కరీ శు టి ఇ 4 తై శా వ | వరన క శ +చి శా శ క న; ర నా న క వ ళ్‌ థి ( ౫ ట్రిం ట్‌ "ల కలే. షన అ క న శ త్ర ౪ క వీ + చవ 2, ఇ శ ఉం రా పా లే 1, ళా ళ్‌ సా న శ “ళల [స క 1 క తట్టీ 2 కనే ఇరా క ర | శ్‌ నొళంట నే ల వుంట.