Telugu పిట్టా పిట్టా noLLM analysis - anilvaranasi/indianlanguages GitHub Wiki

Analysis: పిట్టా-పిట్టా

Method: Non-LLM (Frequency keywords + LexRank + Unicode heuristics)
Source: https://sundarayya.org/paitataaa-paitataaa
Date: 2026-08-03 21:53
Chunks: 2

Book Overview

Book: పిట్టా-పిట్టా
Source: https://sundarayya.org/paitataaa-paitataaa
Total OCR chunks analysed: 2

OCR Quality Summary

Average Telugu script coverage across all chunks: 84%

Telugu Vocabulary — Top Keywords (YAKE)

Keywords extracted statistically — most distinctive terms per chunk.

కాలం
రావె
తేవె
ఎవ్వరికి
నీకు
నాకు
న్‌్‌
క్ష్‌
పిల్లి
పిల్లీ
ఎక్కడికి
క్షం
లేవె
అవ్వా
బువ్వా
అక్కా
చుక్కా
అమ్మా
బొమ్మా
వెళుతున్నా
బల్లీ
ఏకాలం
చెరువులు
బావులు
నెనెట్లా
కటిన
క్రైల
క్స్‌
జాగా
1జ్యై-

Per-Chunk Details

Chunk 1 — పిట్టా-పిట్టా_pages0001-0010.txt

OCR Score: 78% Telugu coverage
Characters: 4491

OCR Issues:

ASCII junk on lines: [27, 57]
Repeated punctuation clusters: 6 occurrences

Key Terms:

కాలం
రావె
తేవె
ఎవ్వరికి
నీకు
నాకు
న్‌్‌
క్ష్‌
పిల్లి
పిల్లీ
ఎక్కడికి
క్షం
లేవె
అవ్వా
బువ్వా
అక్కా
చుక్కా
అమ్మా
బొమ్మా
వెళుతున్నా
బల్లీ
ఏకాలం
చెరువులు
బావులు
నెనెట్లా
కటిన
క్రైల
క్స్‌
జాగా
1జ్యై-

Extractive Summary:

శా[ న ాకి.క కీ నో ఎ ఇ [1|| క జ జ్‌ = ౯ నే వ. క | వి నళ శ - ఇల్‌ క 1 -] శ = “సము న లి ౨[ జ [ ” మ [| క [1 అ క క బ్యాక్‌ ల శ టా టన క లాట 1, ,. జ | | న -,| | క ల క , క నీ వ.

Chunk 2 — పిట్టా-పిట్టా_pages0011-0017.txt

OCR Score: 90% Telugu coverage
Characters: 2418

OCR Issues:

No notable OCR issues detected

Key Terms:

వచ్చె
వచ్చే
వత్తు
వాళ్ళు
తిమ్మా
యమ్మా
తోటి
పిట్టా
పుస్తకాలు
చదువుతారు
పోరా
నొప్పే
కూడా
గాలి
మబ్బులు
మెరుపులు
వానలు
ఉరుములు
పిట్ట
ర్తి
మొగ్గా
పుట్టా
బుగ్గా
బుగా
అక్కకు
చుక్కకు
అట్ట
పిల్లలు
చూచి
పుస్తకాల

Extractive Summary:

చే జ సట్‌ గక మ క ||“ ౧ిను. వ క శభ న్నన న ఆల్‌ . మవసు ఫౌండేషన్‌ శ్ర పుస్తకాల పరిశీలనాపట్టిక పంప (౮ (బిచ్‌ వి ౨౯ ్సు5[ర- జ లాటీ ఇ న జా గర భారా నం _కదచవి యర లట | (ఇదజంయ కాని నన సాబ్‌ చెయ్యలి లాలా