Telugu నాలుగు తోకల ఎలుక noLLM analysis - anilvaranasi/indianlanguages GitHub Wiki

Analysis: నాలుగు-తోకల-ఎలుక

Method: Non-LLM (Frequency keywords + LexRank + Unicode heuristics)
Source: https://sundarayya.org/naaalaugau-taookala-elauka
Date: 2026-08-03 19:14
Chunks: 2

Book Overview

Book: నాలుగు-తోకల-ఎలుక
Source: https://sundarayya.org/naaalaugau-taookala-elauka
Total OCR chunks analysed: 2

OCR Quality Summary

Average Telugu script coverage across all chunks: 87%

Telugu Vocabulary — Top Keywords (YAKE)

Keywords extracted statistically — most distinctive terms per chunk.

ఎలుక
ఎలుకా
తోకల
నాలుగు
కలిసింది
ఊరుకోలేదు
అనసాగారు
దానికి
కంసాలి
మూడు
కంసాలిని
న్నీ
ప్రచురణ
విజ్ఞాన
వేదిక
ఫోన్‌
మిగిలాయి
కాని
పోయి
రెండు
కోసేయమనింది
తోకను
ఒంటి
కూడా
ఇపుడు
తోకలేని
ఇజ్‌
ళ్ళి
సాకి
-పపున్ము

Per-Chunk Details

Chunk 1 — నాలుగు-తోకల-ఎలుక_pages0001-0010.txt

OCR Score: 83% Telugu coverage
Characters: 2520

OCR Issues:

ASCII junk on lines: [66, 75, 78, 84, 86]...

Key Terms:

ఎలుక
ఎలుకా
తోకల
నాలుగు
కలిసింది
ఊరుకోలేదు
అనసాగారు
దానికి
కంసాలి
మూడు
కంసాలిని
న్నీ
ప్రచురణ
విజ్ఞాన
వేదిక
ఫోన్‌
మిగిలాయి
కాని
పోయి
రెండు
కోసేయమనింది
తోకను
ఒంటి
కూడా
ఇపుడు
తోకలేని
ఇజ్‌
ళ్ళి
సాకి
-పపున్ము

Extractive Summary:

ః ఓ _ ఛ్‌ || ఒకతి న్‌ _ (గో త్త కం క ల స్ట - క వ శ ! న ఖీ జీ | ై న సః ఇ క | 4 స్‌ో , అ | వా క శ ఇ ల్లో లు నా | (వ న . [ = న స జం సి క న్‌ న, | ా _ సె ళ్‌ నా శే , , , వాక ॥ " _ 1 నం ళా వ కీని కష ం | , ॥ ॥ శ ల ల్‌ "| .

Chunk 2 — నాలుగు-తోకల-ఎలుక_pages0011-0013.txt

OCR Score: 91% Telugu coverage
Characters: 987

OCR Issues:

High noise-line ratio (7/43 lines < 3 chars)

Key Terms:

వాళ్ళు
పుస్తకాలు
చదువుతారు
కూడా
పిల్లలు
మ్మల్ని
పుస్తకాల
ఎటంటలింల
బడిలో
అప్పుడే
చేరిన
ఒకటో
తరగతి
చదువుతున్న
చదవగలరా”
వాళ్ళకు
వుంటాయా
రచయితలు
వాళ్ళ
కోసం
రానారా
_ఇప్పుడివన్న
అర్ధంలేని
ప్రశ్నలు
చదవడం
రూపాల్లో
వుంటుంది
గుర్తుల్ని
బ్‌మ
శల్న

Extractive Summary:

కా ళీ టీ స లో శీ క్‌ కా జ్‌ శి కొ ఖ్‌ న! బ మ్మల్ని వాళ్ళు చదువుతారు. బ మ్మల్ని చూసి కథల్ని వాళ్ళు చదువుతారు.