Telugu జీడి మామిడి గుత్తులు noLLM analysis - anilvaranasi/indianlanguages GitHub Wiki

Analysis: జీడి-మామిడి-గుత్తులు

Method: Non-LLM (Frequency keywords + LexRank + Unicode heuristics)
Source: https://sundarayya.org/jaiidai-maaamaidai-gautataulau
Date: 2026-08-03 22:05
Chunks: 3


Book Overview

Book: జీడి-మామిడి-గుత్తులు
Source: https://sundarayya.org/jaiidai-maaamaidai-gautataulau
Total OCR chunks analysed: 3


OCR Quality Summary

Average Telugu script coverage across all chunks: 88%


Telugu Vocabulary — Top Keywords (YAKE)

Keywords extracted statistically — most distinctive terms per chunk.

  • తాతయ్య
  • గోపి
  • కూడా
  • అమ్మమ్మ
  • పోలయ్య
  • జీడి
  • ఉంటాయి
  • మామిడి
  • ఇంకా
  • తాతయ్యా
  • క్ష్‌
  • జ్యా
  • న్‌ా
  • వాడికి
  • తాతయ్యతో
  • కథలు
  • ఇద్దరూ
  • వాటిని
  • ఉంది
  • బీడి
  • “అవునురా
  • అన్నాడు
  • న్నీ
  • ఇక్‌
  • త్‌ే
  • న్వ్‌
  • తరగతి
  • ఎంతో
  • ఊరంటి
  • చాలా

Per-Chunk Details

Chunk 1 — జీడి-మామిడి-గుత్తులు_pages0001-0010.txt

OCR Score: 85% Telugu coverage
Characters: 12151

OCR Issues:

  • Repeated punctuation clusters: 7 occurrences

Key Terms:

  • తాతయ్య
  • గోపి
  • కూడా
  • అమ్మమ్మ
  • పోలయ్య
  • జీడి
  • ఉంటాయి
  • మామిడి
  • ఇంకా
  • తాతయ్యా
  • క్ష్‌
  • జ్యా
  • న్‌ా
  • వాడికి
  • తాతయ్యతో
  • కథలు
  • ఇద్దరూ
  • వాటిని
  • ఉంది
  • బీడి
  • “అవునురా
  • అన్నాడు
  • న్నీ
  • ఇక్‌
  • త్‌ే
  • న్వ్‌
  • తరగతి
  • ఎంతో
  • ఊరంటి
  • చాలా

Extractive Summary:

ఆ 1 క సా క టీ" ఇక ఇ శ , | = = శ ౯ క క 1 జ శ్‌ | శ | క | జ్యా ం వ | క జీ ల శీ , . నా “లాబాను జం అ జ్‌ ౮ మ” ల గ _ ల కే ఓ గ సం క్‌ ఆ టి ఈ న్స జం క్‌ త ఇ అ ళ్‌ అ ళం క తై జనా క న నిమి. క | జ క - క్‌ ల ఈ , ఆ ళో ఇ ీ ॥ , ఖా, ట్‌ - శ్‌ ఇ ఎ నా న క్‌ 4!


Chunk 2 — జీడి-మామిడి-గుత్తులు_pages0011-0020.txt

OCR Score: 87% Telugu coverage
Characters: 16318

OCR Issues:

  • ASCII junk on lines: [361, 373, 375, 381, 383]
  • Repeated punctuation clusters: 13 occurrences

Key Terms:

  • కూడా
  • గోపి
  • ఉంది
  • వాళ్ళు
  • తాతయ్య
  • అన్నాడు
  • తాతయ్యా
  • వాడికి
  • పుస్తకాలు
  • అడిగాడు
  • వాటిని
  • వేరే
  • ఫ్యాక్టరీకి
  • దుమ్ము
  • లేదు
  • గోపికి
  • బడికి
  • ఇప్పుడు
  • చదువుతారు
  • కాదు
  • పెద్ద
  • గేటు
  • నవ్వాడు
  • ఇద్దరూ
  • వచ్చారు
  • ఫ్యాక్టరీ
  • జీడి
  • బాధగా
  • న్‌్‌
  • స్తా

Extractive Summary:

రే టగ్‌ వా క [1 ప తన్‌ స గ న ఫు నే శస నంత య సయ మక రం దా భా ర క రా న సస లో స ఈలా న్స్‌ ల కో 6 వ మ. గం స శ ప ర క స ర | క స్‌ క ఖా శ త హహ క న సా ళ్‌ ళు ౯ అ యే ప క క వ న న్‌ తం వ య ॥ క య | అ కుంట * లా కి బ్‌ టి” లో - , స్తా కూ + కోలా రస లీ 1 వ. న | త క క శే స | క న శ ల న?


Chunk 3 — జీడి-మామిడి-గుత్తులు_pages0021-0021.txt

OCR Score: 91% Telugu coverage
Characters: 182

OCR Issues:

  • No notable OCR issues detected

Key Terms:

  • మవసు
  • ఫొండేషన్‌
  • నరుల
  • ఇ౮ఆట
  • _మెకంపతల
  • కోకు
  • గ్మింి
  • ఇకానతత
  • నాలా
  • కంగు
  • చేపిన
  • __న్‌చెయ్యవివ
  • పరపతి
  • తొ౧గ౫
  • అననని

Extractive Summary:

_ మవసు ఫొండేషన్‌ హం నటల ద నరుల ఇ౮ఆట తు నన. 3 నా _మెకంపతల గొ] యాం కపప | రర లా కోకు | గ్మింి లి భరి ఇత (గరం ఇకానతత నాలా కంగు చేపిన లా __న్‌చెయ్యవివ లా క గిం లా పరపతి _ | తొ౧గ౫ ఉ౨ అననని