Telugu చివరి ఆకు noLLM analysis - anilvaranasi/indianlanguages GitHub Wiki

Analysis: చివరి-ఆకు

Method: Non-LLM (Frequency keywords + LexRank + Unicode heuristics)
Source: https://sundarayya.org/caivarai-akau
Date: 2026-08-03 21:02
Chunks: 3


Book Overview

Book: చివరి-ఆకు
Source: https://sundarayya.org/caivarai-akau
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.

  • జానకి
  • న్‌ా
  • లక్ష్మి
  • కూడా
  • బొమ్మలు
  • నానా
  • నేను
  • అంది
  • క్షే
  • న్‌్‌
  • ఉంది
  • క్ష్‌
  • నాకా
  • న్ని
  • స్తా
  • ల్‌ో
  • లక్ష్మ
  • బాగా
  • వచ్చింది
  • యానా
  • చాడా
  • నానన
  • వక్త
  • నాడా
  • వక్తా
  • కాయా
  • కానక
  • కాడా
  • చాలా
  • ఇద్దరూ

Per-Chunk Details

Chunk 1 — చివరి-ఆకు_pages0001-0010.txt

OCR Score: 89% Telugu coverage
Characters: 40843

OCR Issues:

  • ASCII junk on lines: [476, 479]
  • Repeated punctuation clusters: 19 occurrences

Key Terms:

  • జానకి
  • న్‌ా
  • లక్ష్మి
  • కూడా
  • బొమ్మలు
  • నానా
  • నేను
  • అంది
  • క్షే
  • న్‌్‌
  • ఉంది
  • క్ష్‌
  • నాకా
  • న్ని
  • స్తా
  • ల్‌ో
  • లక్ష్మ
  • బాగా
  • వచ్చింది
  • యానా
  • చాడా
  • నానన
  • వక్త
  • నాడా
  • వక్తా
  • కాయా
  • కానక
  • కాడా
  • చాలా
  • ఇద్దరూ

Extractive Summary:

న న నైద ప న క భా వ - వ మ చనా క క స కా స క కంక ప స శ శ ఇ = న వ = ఎ నడా వన నన డా డై ఆ వై న రడ క య భాం శానా ప స ర సాం న న వ న స ల ప క. వ ళ్‌ నా వా య క కాకక = లా రాన స = | గ వ న క నా క న త జ భ్‌ వ్‌ వ న య య సం యానా తన ఆ సని వలనా వరా ల ల న న నవక న న న న న మ వ క ర ననన కస క న కాక ప యయా హా న 2 వె డా శా జ వ పర క ప వ క కయ ర్‌ గానక చాడా క వా న ఆక కణ ర ఆ న క = న బండల క న నప లన ల వ ల డన స = న ప భా న న పం వాక స ఇద న హా ర కా గా య స భక సజ క ప ప పన చ స క నక ప = చకా క పాయ న ల ౯ కంత్‌ ల = వ క త వ మ డల న న వ పాం మలం టే య న న ఇన క ప క న హక. వ ల నజ యనా భం కా క | ఖ న్‌ ళో చ ” - న క స వా న వడ ల నక వ స ఉక న శ న్ని ఇ చా వా శ జనన ల యా య లో మం వక హాం త య న తాం ॥ ల క వ వన యయ జ ఆవు వన న న చలా త గా న న రవాడం ళా (7 ॥| , య క క శ న స స వాం జా వన్ని.


Chunk 2 — చివరి-ఆకు_pages0011-0020.txt

OCR Score: 89% Telugu coverage
Characters: 10252

OCR Issues:

  • ASCII junk on lines: [348, 349, 365, 368, 372]
  • Repeated punctuation clusters: 7 occurrences

Key Terms:

  • అంది
  • జానకి
  • బొమ్మ
  • ఉంది
  • లేదు
  • చివరి
  • గాలి
  • కూడా
  • లక్ష్మి
  • నిజం
  • చూశారు
  • ఒక్క
  • మాధవయ్య
  • రాత్రి
  • కిటికీ
  • చూసింది
  • ఇంకా
  • రాలిపోతుంది
  • నువ్వు
  • మనిషి
  • నిచ్చెన
  • గీశారు
  • కాదా
  • విజ్ఞాన
  • సమితి
  • నెల్లూరు
  • బయటికి
  • జోరుగా
  • గాలివాన
  • దిగులుగా

Extractive Summary:

న క ఆ క నా ధిరన: లే టూ మ యింట ఇ ర్‌ క్‌ సే లల స్నో" జ హన న. వ్‌ కంర త పాత డాం లర మే ద్‌ క న టా న య క టం - క న పం ఆ హా చ భాం ల | శ నయా క స లన కాల కస సా నే చ న టి కా మ సనా ల సా హసహానతే జ వ నట మ _ వసం చు వా కవ న. వ పడ స చాల్ల నంత న నక జా న బా ఈ క | కా గ జ పాన లల నేడు జ వ్య _ వ లా వే స ఖా శా కంక తాక న్‌ కాల ల న లన సిం చడ వంత త న మా ల క 1 పళ [ వ | ః లో అ వపు మ పం ప మయం నా లేవ మలాల ల్‌ ల్ల మ రమ వ ంమ యామ న న 1 వ వవ (టా టకప క భే ల న ప వపందన చర నన నామా చా.


Chunk 3 — చివరి-ఆకు_pages0021-0021.txt

OCR Score: 90% Telugu coverage
Characters: 229

OCR Issues:

  • No notable OCR issues detected

Key Terms:

  • మవసు
  • ఫౌండేషన్‌
  • ప్రస్తణం
  • వరిశీంవాపట్ట
  • _సకంపల
  • సాగటం
  • పేరు
  • ____ముందులట్ట
  • శరన్‌
  • ___బెమకలట్ట
  • పేజీలు
  • విడదీపివది
  • _వేజీలువిడనీపివది
  • ___బొంవ్‌
  • చెయ్యనివి
  • గరములు
  • న్నక
  • పిసి
  • ౧౯౭౬౧౯౯౫

Extractive Summary:

_సకంపల సాగటం దం 6 (లం పేరు జ శు ____ముందులట్ట' శరన్‌ ౯ ___బెమకలట్ట (ద. యయ కవత ర అం ని కాన న