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