Telugu సూరీడు బిడ్డలు noLLM analysis - anilvaranasi/indianlanguages GitHub Wiki

Analysis: సూరీడు-బిడ్డలు

Method: Non-LLM (Frequency keywords + LexRank + Unicode heuristics)
Source: https://sundarayya.org/sauraiidau-baidadalau
Date: 2026-08-03 22:30
Chunks: 3


Book Overview

Book: సూరీడు-బిడ్డలు
Source: https://sundarayya.org/sauraiidau-baidadalau
Total OCR chunks analysed: 3


OCR Quality Summary

Average Telugu script coverage across all chunks: 89%


Telugu Vocabulary — Top Keywords (YAKE)

Keywords extracted statistically — most distinctive terms per chunk.

  • రాజు
  • లేరు
  • చెట్టు
  • స్త్ర
  • ల్లో
  • ముద్రణ
  • జూన్‌
  • బాలసుబ్రమణ్యం
  • సెల్‌
  • అడవి
  • దూరని
  • లేడు
  • ముళ్ళ
  • లేవు
  • రాజుగా
  • చెట్టును
  • పెద్ద
  • కొన్నెమో
  • చెటు
  • వాడే
  • గుత్తుల
  • బూరగ
  • అమనా
  • అననన
  • వబణున
  • యాగా
  • క్షి
  • నల్‌
  • నాని
  • నానాననానా

Per-Chunk Details

Chunk 1 — సూరీడు-బిడ్డలు_pages0001-0010.txt

OCR Score: 83% Telugu coverage
Characters: 3877

OCR Issues:

  • ASCII junk on lines: [33, 63, 65, 71, 72]...

Key Terms:

  • రాజు
  • లేరు
  • చెట్టు
  • స్త్ర
  • ల్లో
  • ముద్రణ
  • జూన్‌
  • బాలసుబ్రమణ్యం
  • సెల్‌
  • అడవి
  • దూరని
  • లేడు
  • ముళ్ళ
  • లేవు
  • రాజుగా
  • చెట్టును
  • పెద్ద
  • కొన్నెమో
  • చెటు
  • వాడే
  • గుత్తుల
  • బూరగ
  • అమనా
  • అననన
  • వబణున
  • యాగా
  • క్షి
  • నల్‌
  • నాని
  • నానాననానా

Extractive Summary:

స " ॥ ౯ ళ్‌ ,' లీ ల త్‌ న జో చి, రో క ఇ? క్‌ 18 ౫, వ... ా న్‌ | అ శ క్‌ ఇ శటకంాా న జ ల్‌ _ క్‌ | ము క భా. | గ్‌ 6 ఆ క్‌ క 1 భం న."


Chunk 2 — సూరీడు-బిడ్డలు_pages0011-0020.txt

OCR Score: 93% Telugu coverage
Characters: 2845

OCR Issues:

  • No notable OCR issues detected

Key Terms:

  • చెట్టు
  • వుంది
  • కావాలి
  • మామిడి
  • ఆలోచన
  • మనమంతా
  • చేద్దాం
  • మంత్రి
  • రాగి
  • మంచి
  • గ్లో
  • గుత్తుల
  • అన్ని
  • అన్న
  • న్ని
  • అందువల్ల
  • అన్నాదమ్ముళ్ళం
  • మిగిలిన
  • నీరు
  • ఆహారం
  • ఆహారంగా
  • గొప్పదనం
  • మోదుగ
  • చెట్టును
  • రాణిని
  • ర్రటి
  • పూలకీకతో
  • ఒళ్ళంతా
  • సంగారించుకొని
  • వుంటుందిగదా

Extractive Summary:

జా | సం యి కే, 10 | టో ఊత ట్ర రి ్‌ ॥ . న క ఓ న్నా క. క గ్లో క య న ఎ ల న్‌్‌ ప్లా రాం కా ముడి ఆహారపదార్తాలు, త్తే నో నీరు గ్‌ 16


Chunk 3 — సూరీడు-బిడ్డలు_pages0021-0029.txt

OCR Score: 90% Telugu coverage
Characters: 2908

OCR Issues:

  • No notable OCR issues detected

Key Terms:

  • వాళ్ళు
  • పుస్తకాలు
  • కూడా
  • దానికి
  • చెట్టు
  • ఆహారం
  • ఎవ్వరికీ
  • ఎవ్వరి
  • ప్రకృతి
  • శక్తి
  • మంచిగాలి
  • ముందుంటారు
  • ఎంతమంచి
  • కూదా
  • పిల్లలు
  • బొమ్మల్ని
  • చూచి
  • చదువుతారు
  • “అంతా
  • ఎవరికో
  • ఇచ్చేస్తే
  • మనమేంగావాలి”
  • మర్‌
  • కుర్ర
  • చెట్టుకు
  • అనుమానం
  • పట్నుకొంది
  • మంత్రి
  • రాగిచట్టు
  • జవాబు

Extractive Summary:

| నం గ ||| 1, 1 గ చా | గ యు 12 1 + క ల మ ళ్‌ ంం | ; ఆకు స | నం! రా వ జ ఆ 9 (7 నే 20 క ఇ ఉట్టి స న స నా ఇం రాం 4 టం నన (| అ ఈ ఐడిలో అప్పుడే చేరిన వాళ్ళు, ఒకటో తరగతి చదువుతున్న వాళ్ళు లో!