Telugu పొడుపు కథలూ సామెతలు noLLM analysis - anilvaranasi/indianlanguages GitHub Wiki

Analysis: పొడుపు-కథలూ-సామెతలు

Method: Non-LLM (Frequency keywords + LexRank + Unicode heuristics)
Source: https://sundarayya.org/paodaupau-kadhalausaaamaetalau
Date: 2026-08-06 09:31
Chunks: 3


Book Overview

Book: పొడుపు-కథలూ-సామెతలు
Source: https://sundarayya.org/paodaupau-kadhalausaaamaetalau
Total OCR chunks analysed: 3


OCR Quality Summary

Average Telugu script coverage across all chunks: 87%


Telugu Vocabulary — Top Keywords (YAKE)

Keywords extracted statistically — most distinctive terms per chunk.

  • నీటిలో
  • పొడుపు
  • చినుకులు
  • ఒకరం
  • మంచం
  • కధలూ
  • ఎదిక
  • కధలు
  • వాటిని
  • తెలియదు
  • తలుపులు
  • గానీ
  • పలకా
  • నావ్‌
  • చార్‌
  • సట్‌
  • అనామ్మి
  • ప్తి
  • రాసు
  • హాహా
  • దదల్నాలణానననలలనా”-
  • అనాను
  • అదును
  • టమాట
  • యషోాానాా
  • ఆంటి
  • నానా
  • చాతక
  • లాడీ
  • అవను

Per-Chunk Details

Chunk 1 — పొడుపు-కథలూ-సామెతలు_pages0001-0010.txt

OCR Score: 90% Telugu coverage
Characters: 1766

OCR Issues:

  • No notable OCR issues detected

Key Terms:

  • నీటిలో
  • పొడుపు
  • చినుకులు
  • ఒకరం
  • మంచం
  • కధలూ
  • ఎదిక
  • కధలు
  • వాటిని
  • తెలియదు
  • తలుపులు
  • గానీ
  • పలకా
  • నావ్‌
  • చార్‌
  • సట్‌
  • అనామ్మి
  • ప్తి
  • రాసు
  • హాహా
  • దదల్నాలణానననలలనా”-
  • అనాను
  • అదును
  • టమాట
  • యషోాానాా
  • ఆంటి
  • నానా
  • చాతక
  • లాడీ
  • అవను

Extractive Summary:

త్‌ క ని లీ స నట లం సట్‌ ఖీ క్ష నే (నూ క్‌ షస (1 గ్‌ |" నా సో 1 ౮ జ నం భతి తలి, అనామ్మి అం 44 ం లీ క్ట 4 గ = ప్తి ॥ గే శ లం యో రాసు గమన రతా హాహా | ళ్‌ తథ కఫా ఇ శ ఇ లకీ ళ్‌ అక దదల్నాలణానననలలనా”- క అనాను 1 న రహ య అదును టమాట ఈవా? నానా ఎ యట _ చాతక న క వయా లగే డా. ౪ ౧౧14 లయి.5ఐ పొడుపు కధలూ, సామెతలూ - ఆ"లకరి చినుకులు - 5 “పఏతకఠలణ ల అకడమిక్‌ కమిటీ జన వఐజ్జాన ఎదిక జన విజ్ఞాన ఎదిక ఆంధ్రప్రదేశ్‌ .


Chunk 2 — పొడుపు-కథలూ-సామెతలు_pages0011-0020.txt

OCR Score: 89% Telugu coverage
Characters: 2759

OCR Issues:

  • ASCII junk on lines: [119, 125]

Key Terms:

  • గానీ
  • దొకటి
  • ఉంది
  • కాను
  • అరవై
  • బండి
  • తోటలో
  • తింటు
  • అడవి
  • జడలు
  • గారికి
  • ఇంటికి
  • తెలీదు
  • చినుకులు
  • నూతన
  • అక్షరాస్యులకు
  • అవసరం
  • సాహిత్యాన్ని
  • వారి
  • వారు
  • మాతన
  • కూడా
  • వీటిని
  • ఎండిన
  • దొకట
  • సండిన
  • కారిన
  • మూడు
  • నోటికి
  • అలంకారం

Extractive Summary:

కిరీలుం ఉంది రాజును కాను ఇ సృ తోక ఉంది కోతిని కాదు ఆడతాను గాని నమలిని కాను నేనెవరిని? వక ం. ర పది కూపాలు ఊపితే ఊగుతై పీకితే రావు.


Chunk 3 — పొడుపు-కథలూ-సామెతలు_pages0021-0021.txt

OCR Score: 83% Telugu coverage
Characters: 269

OCR Issues:

  • ASCII junk on lines: [10]

Key Terms:

  • మవసు
  • ఫొండేషన్‌
  • పుత్రా
  • వంశీలవాపట్టక
  • పుపకంపంఖ్య
  • -౯౮౧
  • ముందులట్ట
  • వెనకలట్ట
  • మొత్తంపేజలు
  • ద్హా
  • పెద్దపైజాపేజీలు
  • భాళవతల
  • _తయారుచేపినవి
  • భ్యాకందచేపత
  • ట్రాచచి
  • తవ్వులు
  • ్న్ళే
  • పంన్లి
  • అంగర

Extractive Summary:

మవసు ఫొండేషన్‌ శ్‌ పుత్రా వంశీలవాపట్టక పుపకంపంఖ్య | (నరా గ -౯౮౧,! వెనకలట్ట | ఈ. భాళవతల | గ్య కాల అ నాన _తయారుచేపినవి | (ైగ[|[01[ కకం చవక నా భ్యాకందచేపత | ట్రాచచి తవ్వులు | గ(్న్ళే | పంన్లి అంగర