Telugu పిల్లుల యాత్ర noLLM analysis - anilvaranasi/indianlanguages GitHub Wiki

Analysis: పిల్లుల-యాత్ర

Method: Non-LLM (Frequency keywords + LexRank + Unicode heuristics)
Source: https://sundarayya.org/pailalaula-yaaatara
Date: 2026-08-03 21:23
Chunks: 4


Book Overview

Book: పిల్లుల-యాత్ర
Source: https://sundarayya.org/pailalaula-yaaatara
Total OCR chunks analysed: 4


OCR Quality Summary

Average Telugu script coverage across all chunks: 86%


Telugu Vocabulary — Top Keywords (YAKE)

Keywords extracted statistically — most distinctive terms per chunk.

  • ముసలయ్య
  • చాలా
  • పిల్లి
  • పిల్లులు
  • ముసలమ్మ
  • అంటూ
  • కొండ
  • పిల్లులే
  • ఉంది
  • బల్లుల
  • యాత్ర
  • వాండాగేగ్‌
  • అనుసృజన
  • ఫోన్‌
  • ముద్రణ
  • పండు
  • అతనికి
  • బాగుంటుంది
  • అంది
  • మియావ్‌
  • ముద్దుగా
  • పిల్లిని
  • నేను
  • నడిచి
  • ఒకటే
  • మ్యావ్‌
  • వెతికి
  • దాన్ని
  • “క్షీ
  • ఆల్‌

Per-Chunk Details

Chunk 1 — పిల్లుల-యాత్ర_pages0001-0010.txt

OCR Score: 83% Telugu coverage
Characters: 6190

OCR Issues:

  • ASCII junk on lines: [62, 63, 66, 67, 68]...
  • Repeated punctuation clusters: 7 occurrences

Key Terms:

  • ముసలయ్య
  • చాలా
  • పిల్లి
  • పిల్లులు
  • ముసలమ్మ
  • అంటూ
  • కొండ
  • పిల్లులే
  • ఉంది
  • బల్లుల
  • యాత్ర
  • వాండాగేగ్‌
  • అనుసృజన
  • ఫోన్‌
  • ముద్రణ
  • పండు
  • అతనికి
  • బాగుంటుంది
  • అంది
  • మియావ్‌
  • ముద్దుగా
  • పిల్లిని
  • నేను
  • నడిచి
  • ఒకటే
  • మ్యావ్‌
  • వెతికి
  • దాన్ని
  • “క్షీ
  • ఆల్‌

Extractive Summary:

| % న | _ టం అ రా 2 ఇ న; ॥ _ ఇక్‌ ఇ వ ఒశ్ళం ॥ ల ా న య "ల , ఆం న క అబజ్ళ ల? | 5 వు , గ గ్‌ భ్‌ / ళా వ | ఎ తో శీ గ్‌ జీ | ౯ ల క ఇ ళో న! వంచక వచన వవమంనునవ్త న వం చనం హా వరాడాోాు చ యపటయయటడు ల కీపైవవై వ అ అలెంన వెంట ల వా క ఆనం అ లె నా చచి ర ససనళాక నా న ననట ాలా యాం కును ఇ బాచ్‌ చం సా వ్యకనః శతా = ల రూ జ్‌ జానే సా ఇ నుం జ క.


Chunk 2 — పిల్లుల-యాత్ర_pages0011-0020.txt

OCR Score: 85% Telugu coverage
Characters: 4796

OCR Issues:

  • ASCII junk on lines: [149, 151, 154]

Key Terms:

  • పిల్లి
  • ముసలయ్య
  • ఉంది
  • కాదు
  • పిల్లులు
  • చూస్తే
  • పిల్లిని
  • లక్షలు
  • కోట్ల
  • దాని
  • ఒక్క
  • కన్పించింది
  • స్టో
  • దానినీ
  • కన్పిస్తుంది
  • మరొకటి
  • అతను
  • వేలు
  • పెద్ద
  • మ్మా
  • నడుస్తూ
  • మాకు
  • నీరు
  • ఖాళీ
  • స్మా
  • న్న్న
  • నన్న
  • ఇంతలో
  • ఒళ్ళంతా
  • పట్టులాంటి

Extractive Summary:

వ స క శా యా న ర ధి అ రాల సలం సట ౮ టి జ ల్‌ , ఖ్‌ ్థ్గ కా శా కేన 1 భే గు వ్యా గక క 4. (11 శ ష్‌ / ఈ, 1 || , పై ఖత సన ల 4 ట్వ సు పాపా క లల న మన4 41114 న మల! తో న) క (1 స (1 సన గి స్వ్హైల- న గ!


Chunk 3 — పిల్లుల-యాత్ర_pages0021-0030.txt

OCR Score: 86% Telugu coverage
Characters: 4146

OCR Issues:

  • ASCII junk on lines: [20, 22, 25, 26, 28]...
  • Repeated punctuation clusters: 7 occurrences

Key Terms:

  • ముసలయ్య
  • పిల్లి
  • ముసలమ్మ
  • అంది
  • అన్నాడు
  • పిల్లులు
  • చిన్న
  • కొండ
  • పిల్లిపిల్ల
  • నేనే
  • అందమైన
  • ప్రతి
  • ఇదేం
  • చూస్తే
  • ఇక్కడ
  • అక్కడ
  • లక్షలు
  • పిల్లుల్ని
  • సంగతి
  • అందంగా
  • ఉన్న
  • “కాదు
  • కాదు
  • పిల్లిని”
  • ఒక్క
  • బాగా
  • పిల్లిపిల్లను
  • వేడి
  • బోలెడంత
  • గడ్డి

Extractive Summary:

గ / (1114111 ఇ స సై న్వ్‌ స క సా గ ఇస స] 4, ॥ 111 సన 00 ( నే సస ల్‌ శ (///, ఇ క ల్‌ ఈ మ" + ్‌ సు ళి గ నె | ( ఏ షూ ఈనన న్న స! 0 స్య న్న క 1 క శన (114 (1111 న రీ ఛి స స ఏ... ణం (1 11/44 త సు క్ష వ [న ర ॥ / ఈల (లోను గట స శ వాచ స ను న్‌! 81 చ క స పటం సే యం యయా న వస 3 ఆ నెను నెనంటూ పిల్లులు కొట్లాట మొదలెట్టాయి.


Chunk 4 — పిల్లుల-యాత్ర_pages0031-0037.txt

OCR Score: 91% Telugu coverage
Characters: 3353

OCR Issues:

  • No notable OCR issues detected

Key Terms:

  • పుస్తకాలు
  • మరింత
  • పిల్లి
  • ముసలయ్య
  • వారికి
  • ముందుగా
  • కాదు
  • కొన్ని
  • అంది
  • ముసలమ్మ
  • అన్నాడు
  • వేలు
  • లక్షలు
  • కోట్ల
  • శ్రీ
  • గ్రామాల్లో
  • మంచి
  • పుస్తకం
  • కన్నా
  • చదువంటే
  • చదివే
  • అలవాటుని
  • బాగా
  • కొత్త
  • పుస్తకాలను
  • ఉన్నాయి
  • వీటిని
  • ఇలాంటి
  • చదివి
  • పుస్తకాల

Extractive Summary:

| ళ్శ ఇ శ్రీ క్‌ ం ఎ ౮ య | మన న గ చా ఎ ్‌ా " (జీ వ ౨ లొ ట్‌ 6 న 1 21 గ్‌ రె డ ( న్న క - అవి. నీ ఆర్స్‌ వ సయ సక గ ౮ శ్‌ 4 % థీ త లా | హ్‌ స స అ ౭ .. న అళి స్ట్‌ టు. డ్‌ శ శ్‌ జు శా శి రల ఆ ల క!