Telugu చేబదులు నగ noLLM analysis - anilvaranasi/indianlanguages GitHub Wiki

Analysis: చేబదులు-నగ

Method: Non-LLM (Frequency keywords + LexRank + Unicode heuristics)
Source: https://sundarayya.org/caeebadaulau-naga
Date: 2026-08-03 21:33
Chunks: 3


Book Overview

Book: చేబదులు-నగ
Source: https://sundarayya.org/caeebadaulau-naga
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.

  • రేణుక
  • విందు
  • లేదు
  • ఆమెకు
  • పద్మ
  • వంచన
  • నుంచి
  • మంచి
  • రాజారావు
  • భర్త
  • లంచం
  • నవనవ
  • పంచం
  • అందరూ
  • చాలా
  • రేణుకకు
  • ఉంది
  • అంది
  • చంచల
  • చలనం
  • నీకు
  • చందం
  • వలవల
  • కుకు
  • ఇక్‌
  • అతనికి
  • న్యా
  • న్‌ా
  • లేవు
  • వాళ్ళ

Per-Chunk Details

Chunk 1 — చేబదులు-నగ_pages0001-0010.txt

OCR Score: 89% Telugu coverage
Characters: 28991

OCR Issues:

  • ASCII junk on lines: [499, 502, 777, 789]
  • Repeated punctuation clusters: 13 occurrences

Key Terms:

  • రేణుక
  • విందు
  • లేదు
  • ఆమెకు
  • పద్మ
  • వంచన
  • నుంచి
  • మంచి
  • రాజారావు
  • భర్త
  • లంచం
  • నవనవ
  • పంచం
  • అందరూ
  • చాలా
  • రేణుకకు
  • ఉంది
  • అంది
  • చంచల
  • చలనం
  • నీకు
  • చందం
  • వలవల
  • కుకు
  • ఇక్‌
  • అతనికి
  • న్యా
  • న్‌ా
  • లేవు
  • వాళ్ళ

Extractive Summary:

తీ క్ష న ర స 7 న సక ం తొ ౯ క న స జ 4 ( విల ర శ్‌ శ తానా త్ల క న క పు - క న ల! క్ష న స అన్‌ విత ౫ వి సిని త్‌ క క న జః గ ల శ నో క లం న స్‌. ॥ న న శం జ్‌ ల లలి క క.


Chunk 2 — చేబదులు-నగ_pages0011-0020.txt

OCR Score: 87% Telugu coverage
Characters: 12518

OCR Issues:

  • ASCII junk on lines: [93, 423, 424, 434, 438]...
  • Repeated punctuation clusters: 6 occurrences

Key Terms:

  • రేణుక
  • అంది
  • భర్త
  • ఇంటికి
  • అన్నాడు
  • డబ్బు
  • పద్మ
  • చెప్పింది
  • నుంచి
  • అడిగాడు
  • కనిపించిన
  • బాగా
  • నక్షెస్తు
  • దుకాణం
  • కావాలి
  • అతను
  • ఇద్దరూ
  • అప్పులు
  • ఇప్పుడు
  • వెంటనే
  • ఆమెకు
  • చేబదులు
  • విజ్ఞాన
  • సమితి
  • నరనరం
  • నేను
  • రాజారావు
  • కూడా
  • ప్రతి
  • తిరిగాడు

Extractive Summary:

న ఆ క య వ న క నే లీ ఇ ష్‌ ఇటలా జ సహనన కి శ క క స న న్‌. ల ఇ "క గే జ = శ ( ప న. శ ఇం ఇ ల కో వే ా క ని... న = న ॥ ॥ క్‌ = క క | ॥ క న్‌ టె 4 న.


Chunk 3 — చేబదులు-నగ_pages0021-0021.txt

OCR Score: 90% Telugu coverage
Characters: 376

OCR Issues:

  • No notable OCR issues detected

Key Terms:

  • మవమసు
  • ఫౌండేషన్‌
  • పుస్తకాల
  • పరిశీలనాపట్టిక
  • _పపకంపల్య
  • తాఖు
  • ముందు
  • ఉళ్ళ
  • త్రూ
  • వెనుక
  • లట్ట
  • మొత్తం
  • పేజీలు
  • పెద్ద
  • సైజు
  • వీజీలు
  • ఖాళీపజీలు
  • లివచా
  • __శయారుచేనది
  • ప్కాన్‌
  • చేసినది
  • యాగ్రా
  • _ప్కావ్‌
  • చేసిది
  • వకబవందానతద
  • ఇతీలాటలు
  • ఒఎలటి
  • ననానాలనాడా
  • స్కనే
  • చెయ్య్వగువి

Extractive Summary:

ముందు ఐట | ఉళ్ళ త్రూ లై వెనుక లట్ట డదు. మొత్తం పేజీలు (లా పెద్ద సైజు వీజీలు ల్‌ ని 'ి ఖాళీపజీలు (గి కం లివచా రల __శయారుచేనది “(రి ప్కాన్‌ చేసినది డ్‌ + యాగ్రా సు _ప్కావ్‌ చేసిది (౧౧౧ వకబవందానతద (ల న నం, ఇతీలాటలు ఒఎలటి క గ. ల.