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!