Telugu పకపకలు noLLM analysis - anilvaranasi/indianlanguages GitHub Wiki

Analysis: పకపకలు

Method: Non-LLM (Frequency keywords + LexRank + Unicode heuristics)
Source: https://sundarayya.org/paka-pakalau
Date: 2026-08-06 09:20
Chunks: 3


Book Overview

Book: పకపకలు
Source: https://sundarayya.org/paka-pakalau
Total OCR chunks analysed: 3


OCR Quality Summary

Average Telugu script coverage across all chunks: 84%


Telugu Vocabulary — Top Keywords (YAKE)

Keywords extracted statistically — most distinctive terms per chunk.

  • క్ష్‌
  • కాంతమ్మ
  • అంది
  • మొగుడు
  • అన్నాడు
  • పొద్దున్నే
  • ఇక్‌
  • ప్రచురణ
  • ఎందుకు
  • అంటే
  • ఒకనాడు
  • నాన్న
  • నారాయణ
  • మెట్టు
  • వాడి
  • యజమాని
  • కక్‌
  • వ్యా
  • న్నా
  • న్యా
  • గన్‌
  • న్‌ా
  • అక్‌
  • న్వ్‌
  • క్ష”
  • క్షీ
  • విజ్ఞాన
  • వేదిక
  • ఆంధ్రప్రదేశ్‌
  • అనుబంధం

Per-Chunk Details

Chunk 1 — పకపకలు_pages0001-0010.txt

OCR Score: 77% Telugu coverage
Characters: 9001

OCR Issues:

  • ASCII junk on lines: [76, 92, 137, 149, 151]...
  • Repeated punctuation clusters: 10 occurrences

Key Terms:

  • క్ష్‌
  • కాంతమ్మ
  • అంది
  • మొగుడు
  • అన్నాడు
  • పొద్దున్నే
  • ఇక్‌
  • ప్రచురణ
  • ఎందుకు
  • అంటే
  • ఒకనాడు
  • నాన్న
  • నారాయణ
  • మెట్టు
  • వాడి
  • యజమాని
  • కక్‌
  • వ్యా
  • న్నా
  • న్యా
  • గన్‌
  • న్‌ా
  • అక్‌
  • న్వ్‌
  • క్ష”
  • క్షీ
  • విజ్ఞాన
  • వేదిక
  • ఆంధ్రప్రదేశ్‌
  • అనుబంధం

Extractive Summary:

1 1 న క జక | | క కి..౯్‌ వ ఆ ఇ ౫ ' ల. వ న స్‌ క్‌ జ శ్‌ క ల క్‌ . వా _ గ ఇ క ణా బ్‌ [1 గా 5 లి 8 ఖ్‌ క నా 1న జ కు ౭5 జ *క ఎట 2 | 2 వ వ జ ఖా _ ల ళీ ష్‌ న క [ 1 వ.


Chunk 2 — పకపకలు_pages0011-0020.txt

OCR Score: 92% Telugu coverage
Characters: 5172

OCR Issues:

  • ASCII junk on lines: [39]

Key Terms:

  • అన్నాడు
  • వాళ్ళు
  • దానయ్య
  • సినిమా
  • భార్య
  • నేను
  • వల్ల
  • నాకు
  • కోటయ్య
  • కూడా
  • పిల్లలు
  • పుస్తకాలు
  • చదువుతారు
  • అడిగాడు
  • అంతా
  • సిగిరెట్లు
  • బాగా
  • కాదు
  • అంది
  • నెయ్యి
  • తెలుసు
  • రూపాయలు
  • బిక్షగాడు
  • లుంగీ
  • నుంచి
  • లేదు
  • యజమాని
  • ఉడికిన
  • కంపు
  • ఒకనాడు

Extractive Summary:

అతని భత్యకు ఆ పొగ గిట్టేది కాదు. క యేం ల. క తుజ న్‌ న... క్ర త్తి చ స్స మె శర


Chunk 3 — పకపకలు_pages0021-0021.txt

OCR Score: 83% Telugu coverage
Characters: 270

OCR Issues:

  • No notable OCR issues detected

Key Terms:

  • లాలా
  • మవసు
  • ఫౌండేషన్‌
  • శంపఖ
  • ల్స్‌
  • దగేోదత
  • గట్‌ం0
  • వికట
  • విని
  • వినను
  • __బెక్తపతవటలు
  • _ోవతలు
  • ____లీవిపేటలు
  • రూాాాలంా
  • __పలుపరిచూపివని
  • __కొడింగుచేపివలి
  • __పొన్‌
  • చెయ్యనివి

Extractive Summary:

మవసు ఫౌండేషన్‌ | శంపఖ (ల్స్‌ దగేోదత[్‌ సంప భ్‌ గట్‌ం0... మ అతి ఈశ నంత వికట [నల!! విని మాం వినను ను కమా అ __బెక్తపతవటలు | గగ _ోవతలు (రు ____లీవిపేటలు 7 భల. రూాాాలంా వదం చుం యర!