Telugu బొమ్మలతో సామెతలు noLLM analysis - anilvaranasi/indianlanguages GitHub Wiki

Analysis: బొమ్మలతో-సామెతలు

Method: Non-LLM (Frequency keywords + LexRank + Unicode heuristics)
Source: https://sundarayya.org/బొమ్మలతో-సామెతలు
Date: 2026-08-09 22:24
Chunks: 5


Book Overview

Book: బొమ్మలతో-సామెతలు
Source: https://sundarayya.org/బొమ్మలతో-సామెతలు
Total OCR chunks analysed: 5


OCR Quality Summary

Average Telugu script coverage across all chunks: 49%

⚠ 2 chunk(s) have < 50% Telugu script coverage — may need re-scan.


Telugu Vocabulary — Top Keywords (YAKE)

Keywords extracted statistically — most distinctive terms per chunk.

  • న్‌ా
  • న్‌్‌
  • లన్‌
  • న్నా
  • కాలా
  • ల్సి
  • జ్యా
  • అన్న
  • క్షే
  • క్ష్‌
  • గ్‌ా
  • స్ట్‌
  • టారు
  • సక్‌
  • ్ట్‌
  • శానా
  • క్కి
  • ట్టి
  • శ్రా
  • అల్‌
  • చానా
  • సళ్ల
  • యన్‌
  • ఉక్‌
  • క్షం
  • స్నో
  • ల్లో
  • ట్రే
  • శ్రీ
  • ట్రై

Per-Chunk Details

Chunk 1 — బొమ్మలతో-సామెతలు_pages0001-0010.txt

OCR Score: 52% Telugu coverage
Characters: 116682

OCR Issues:

  • ASCII junk on lines: [234, 242, 248, 257, 258]...
  • Repeated punctuation clusters: 170 occurrences

Key Terms:

  • న్‌ా
  • న్‌్‌
  • లన్‌
  • న్నా
  • కాలా
  • ల్సి
  • జ్యా
  • అన్న
  • క్షే
  • క్ష్‌
  • గ్‌ా
  • స్ట్‌
  • టారు
  • సక్‌
  • ్ట్‌
  • శానా
  • క్కి
  • ట్టి
  • శ్రా
  • అల్‌
  • చానా
  • సళ్ల
  • యన్‌
  • ఉక్‌
  • క్షం
  • స్నో
  • ల్లో
  • ట్రే
  • శ్రీ
  • ట్రై

Extractive Summary:

య ॥ శ శ ల గ్‌ న ॥ శ్‌ జ న స క * , వ ళు మలి ॥ శ ౯౧ ఆ (| లా _ _్‌ 4 ॥ . ల నూ కనే న ఈ కా ర న య క హా న స వక గ న్‌ ఇ క క త న ఇ వ. క 1 జలే | | ॥ ళ్‌ ఆ య ఓ = వ్‌ మా అ ॥ శ త 1 లం టై ల సం న నటల చె న న య మానవా యం ఇ స = చ ణ్‌ చే , = ( ట్ట 4 / లీ 1 ॥ ( శ 4 వ లం = పై క [ న్‌ న?


Chunk 2 — బొమ్మలతో-సామెతలు_pages0011-0020.txt

OCR Score: 57% Telugu coverage
Characters: 18443

OCR Issues:

  • ASCII junk on lines: [12, 49, 336, 338, 339]...
  • Repeated punctuation clusters: 13 occurrences

Key Terms:

  • న్‌ా
  • ల్‌ో
  • వానా
  • ఒవ్‌
  • న్‌ు
  • పవన”
  • నిలంమండననినినిలునాానా-
  • “న్వలకుననన
  • పవనపలమము
  • లకకకునతనిలనాా--
  • వాయు
  • కాకా
  • న్నా
  • “ముం
  • శాలి
  • విలా
  • ంిరు
  • న్యు
  • శా-ళి
  • చల్‌
  • ఆరవై
  • వెదవ
  • బడైచ
  • జిన్‌”
  • స్తీ
  • వాలం
  • శీటీత
  • -క్శీ
  • జకకానా
  • జారే

Extractive Summary:

(| య | 1 ॥ వా | ॥/| ॥| - ల క _ ॥| నా ॥| & ॥ ౯ చ ఆ ఇ క్‌ (' క ఆ ళ్‌ 1 లీ జ జ కాలనీ తి త , 4 శ త్‌ ఓ వ ల న! (| , ౯ లా , మ ఇ్రాాకీ వ నా అ , _ శ వ నా , ల ఓ , = ల "ఛి “జ | 1 ము" 4" , (1 న క! ఒ ఈ డను నీ - అం నే శ ల వ శు ల్‌ , లం జ ర గ్‌ (| శ శ వను ల 4 ల ట్‌ - ం ల క్‌ న్‌ా = డా న్‌్‌ జ నా మ్‌ యం టి నకి, వ్‌ జు ఎ ంి ల జప మం ల ్‌ శ ॥ న వ _ వ / ఇ వ్‌ గాం న్న గ సై .


Chunk 3 — బొమ్మలతో-సామెతలు_pages0021-0030.txt

OCR Score: 41% Telugu coverage
Characters: 3438

OCR Issues:

  • ASCII junk on lines: [75, 125, 128, 134, 148]

Key Terms:

  • రాను
  • అందితే
  • కపోతే
  • రాజు
  • €త్రీ
  • బలిసినా
  • --ినతనినినోొ”నివనాడతినినినివినలనా
  • చన్వపననినో
  • లోతలపెట్టి
  • శ్రీ
  • పోట్లకి
  • ఏడ్సిఏట్లు
  • భానో
  • న్‌ా
  • ంంంం
  • వాడె
  • స్టే
  • న్యా
  • ష్ష్‌
  • ఉననా
  • “వానతో

Extractive Summary:

॥ ॥ ఉ ః| లం = ల _ ॥ _ _ _ / / ॥ ॥ - శ న వె 1 - ణ్‌ చ్‌ ॥ ఆ - ఎఇ ల (. ల శ ॥ క + - ఇ - ల ఎం 2 ఒం - = | - 11 - త 1 ం శ | ॥ (౧ _ ॥ ॥ . ॥ ॥ య న ల - ॥ , | = క _ - ఇ ఇ | కా ( / బా ఓ 1 లా - ల నా - / .


Chunk 4 — బొమ్మలతో-సామెతలు_pages0031-0040.txt

OCR Score: 39% Telugu coverage
Characters: 28204

OCR Issues:

  • ASCII junk on lines: [65, 76, 90, 95, 97]...
  • Repeated punctuation clusters: 20 occurrences

Key Terms:

  • న్‌ా
  • న్ని
  • ల్ని
  • ష్ష్‌
  • లావై
  • స్టే
  • జళనా
  • కోపం
  • ఠొ్త్సా
  • ాానననొోొనిమమాడినననానాణాా
  • “న్వు
  • ననాయయమా
  • లలతకమంతననలనాలాం
  • జాపి
  • అస్వనణాం
  • అతాననానోో
  • ఆవపిిననకనో
  • నడవని
  • ఇ్గౌ
  • అజర్‌
  • ్ట్‌
  • ఎజ్‌
  • జుశ్వేలు
  • ఇక్‌
  • ట్రే
  • వంగా
  • -ఉళా
  • _్ల్‌
  • క్‌లళ్ళ
  • ఇంకో

Extractive Summary:

మ ః జు , , ళ్‌ (| / య ఓ లం _ _ ॥ 1 / (111 ఆ ం ల ల ఇ / & న య , 111 , _ శ ఎ | = . ॥ 1 / " / | క్ష | గ్‌ ల శ న జ జీ ఖ్‌ ళ్‌ లా _ టీ " , | త ౯ ల క గ్‌ | | ౯ / 4 శ ళ్‌ ఆ ప గ /| బా ఆ , ై జు భ్‌ ల వ్‌ ప స అ న్‌ + క చ్‌ లి _ ఇ “ | _ య _ టీ ఇ క | య ల శ ( . , - ' | క న హ్‌ _ తు | ॥ లం _ న్‌ స ః శ | య న్‌ _ చ | వ్‌ 4 వ య ంం , క నా న] | ఎ - న్‌ న్‌ | ॥ శ [ _ | తు ల = _్‌ 1, కి ః = గా ' లా క ఓ చ్‌ ఆ?


Chunk 5 — బొమ్మలతో-సామెతలు_pages0041-0045.txt

OCR Score: 58% Telugu coverage
Characters: 18277

OCR Issues:

  • ASCII junk on lines: [72, 73, 74, 85, 98]...
  • Repeated punctuation clusters: 7 occurrences

Key Terms:

  • న్‌ా
  • న్‌్‌
  • క్షే
  • క్యా
  • ళ్ళి
  • శ్రీ
  • స్టా
  • న్నే
  • మ్న్‌
  • న్నా
  • న్వ్‌
  • క్కు
  • క్షా
  • క్షు
  • చావా
  • ళ్శి
  • సల్ల
  • రదలాను
  • ఖ్‌”
  • శ్‌”
  • షాల్‌
  • న్‌ో
  • కనని
  • వవననునునినానిన
  • ననానిటీ
  • రాలా
  • లాలన
  • న్ను
  • ్త్‌
  • య్‌”

Extractive Summary:

క ౯ ఆ “ - - స్టా మ అ ల లాలి _ చే - | _ _ ॥ ॥ స , 4 జ | క క క | , వ లా 2 శ న క్షి న నా! ॥ త ః / న ౨ ఆ్రాసార్టా ఇ క (౫ ల ఆ జ | బా ” ॥ య ఇ చ ్‌ గ ” ల అ ల - | క క ్ష శ్‌ న అంతే * కీ ఎంకో / ॥ " . _ (| (| ॥ | "మ ॥ ఎ ల + _ , క ల ఆ, _ య ఇ 1 _ క కే వ ప్‌ పోచ యం చంకను 4 న ॥ _ ॥ వ.