Telugu మన సావాసాగాళ్లు noLLM analysis - anilvaranasi/indianlanguages GitHub Wiki
Analysis: మన-సావాసాగాళ్లు
Method: Non-LLM (Frequency keywords + LexRank + Unicode heuristics)
Source: https://sundarayya.org/mana-saaavaaasagaaalalau
Date: 2026-08-03 21:52
Chunks: 3
Book Overview
Book: మన-సావాసాగాళ్లు
Source: https://sundarayya.org/mana-saaavaaasagaaalalau
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.
- పురుగు
- పాము
- వేదిక
- సెల్
- పాములు
- ప్రచురణ
- విజ్ఞాన
- బాలసుబ్రమణ్యం
- తోలు
- దానికి
- విషం
- చాలా
- తింటాయి
- మనకు
- ఎంతో
- పురుగులు
- పిట్ట
- పెల్లి
- కప్ప
- లన్నీ
- నావాసగాళ్ళు
- సక్
- ర్తడాగ
- జనవిజ్లాన
- స్మా
- లాస్
- సొావాసరాళ్ళు
- ఆల్
- ఇండియా
- పీపుల్స్
Per-Chunk Details
Chunk 1 — మన-సావాసాగాళ్లు_pages0001-0010.txt
OCR Score: 85% Telugu coverage
Characters: 2563
OCR Issues:
- ASCII junk on lines: [1, 36, 42, 43, 44]...
Key Terms:
- పురుగు
- పాము
- వేదిక
- సెల్
- పాములు
- ప్రచురణ
- విజ్ఞాన
- బాలసుబ్రమణ్యం
- తోలు
- దానికి
- విషం
- చాలా
- తింటాయి
- మనకు
- ఎంతో
- పురుగులు
- పిట్ట
- పెల్లి
- కప్ప
- లన్నీ
- నావాసగాళ్ళు
- సక్
- ర్తడాగ
- జనవిజ్లాన
- స్మా
- లాస్
- సొావాసరాళ్ళు
- ఆల్
- ఇండియా
- పీపుల్స్
Extractive Summary:
ల 2 లోకీ న్ తా 4 (క ॥ మాథా ఇ..-- జా లే! ఇస జ క = లీ న గీ క న ౦. ౯ ం శన (| జ ల క.
Chunk 2 — మన-సావాసాగాళ్లు_pages0011-0020.txt
OCR Score: 83% Telugu coverage
Characters: 4892
OCR Issues:
- ASCII junk on lines: [156, 165, 238]
Key Terms:
- తింటాయి
- పురుగులు
- గబ్బిలం
- మనకు
- దోమలను
- పురుగులను
- కప్పలు
- తింటుంది
- పురుగు
- వాటిని
- జంతువు
- కూడా
- ఎగురుతుంది
- కొందరు
- నిళ్ళలో
- ఉండే
- గూడా
- న్ని
- అందుకే
- ఎంతో
- గబ్బిలాలు
- వుట్ట
- విటిని
- విడిచి
- పోతాయి
- పాములు
- పడపురుగులు
- వక్
- అక్షింత
- బంకనూ
Extractive Summary:
గ ా క న ఇ అ అ జి 18 న శ | ॥ ॥ _ | వ్వా *1చ _ ల క | / న. రా శీబత ఇ ఆ | (1 క ల వలి అ | న వే | ల్ . ట్ దా వ న: [1 ₹ - _ | 17 , జ ॥ శ్ వ... క వక్ లక షి శ్ ం |.
Chunk 3 — మన-సావాసాగాళ్లు_pages0021-0021.txt
OCR Score: 93% Telugu coverage
Characters: 227
OCR Issues:
- No notable OCR issues detected
Key Terms:
- మవసు
- ఫౌండేషన్
- --పపంపంఖ్య
- షరటరని
- ఉర్తా
- ఫ్థ్షి
- కిపనో
- ముందులెట్ట్
- ైావలట్త
- వదసవతం
- లేవవజేలు
- వజీలపంచూపవది
- అనాం
- చ్యవన
- పంవిత్
Extractive Summary:
--పపంపంఖ్య | మొ [షరటరని ధి చం కరవ న కాల ఉర్తా జ ఎలి! హా ముందులెట్ట్ టా ైావలట్త ౮ అమా వ నాం వదసవతం | సీర నమా యాం టో లేవవజేలు