Telugu హిరోషిమా noLLM analysis - anilvaranasi/indianlanguages GitHub Wiki

Analysis: హిరోషిమా

Method: Non-LLM (Frequency keywords + LexRank + Unicode heuristics)
Source: https://sundarayya.org/hairaoosaimaaa-1
Date: 2026-08-02 14:37
Chunks: 4


Book Overview

Book: హిరోషిమా
Source: https://sundarayya.org/hairaoosaimaaa-1
Total OCR chunks analysed: 4


OCR Quality Summary

Average Telugu script coverage across all chunks: 89%


Telugu Vocabulary — Top Keywords (YAKE)

Keywords extracted statistically — most distinctive terms per chunk.

  • అమెరికా
  • జపాన్‌
  • అణుబాంబు
  • కూడా
  • హిరోషిమా
  • ఒక్క
  • మంది
  • దీన్ని
  • అయితే
  • అణుబాంబులు
  • బాంబు
  • వల్ల
  • రెండో
  • శక్తి
  • నుంచి
  • అణ్వాయుధాలు
  • మానవ
  • అంతే
  • ఆగష్టు
  • నాగసాకి
  • కాలం
  • చేతిలో
  • రాజకీయ
  • ఐన్‌స్టీన్‌
  • ఉత్పత్తి
  • ప్రభుత్వం
  • ప్రపంచ
  • అప్పటికే
  • వుంది
  • డబ్లు

Per-Chunk Details

Chunk 1 — హిరోషిమా_pages0001-0010.txt

OCR Score: 93% Telugu coverage
Characters: 12650

OCR Issues:

  • ASCII junk on lines: [70, 89, 92, 96, 98]...
  • Repeated punctuation clusters: 17 occurrences

Key Terms:

  • అమెరికా
  • జపాన్‌
  • అణుబాంబు
  • కూడా
  • హిరోషిమా
  • ఒక్క
  • మంది
  • దీన్ని
  • అయితే
  • అణుబాంబులు
  • బాంబు
  • వల్ల
  • రెండో
  • శక్తి
  • నుంచి
  • అణ్వాయుధాలు
  • మానవ
  • అంతే
  • ఆగష్టు
  • నాగసాకి
  • కాలం
  • చేతిలో
  • రాజకీయ
  • ఐన్‌స్టీన్‌
  • ఉత్పత్తి
  • ప్రభుత్వం
  • ప్రపంచ
  • అప్పటికే
  • వుంది
  • డబ్లు

Extractive Summary:

॥ ఈ లీ, వ క స్‌. ఈ కమిటీకి సారధి జేమ్స్‌ ప్రాంక్‌ అనే శాస్త్రవేత్త ఆయన నోబుల్‌ బహుమతి గ్రహీత. తన ప్రమేయం లేకుండా ఈ పని జరిగితే యుద్ధానంతర ఒప్పందాల్లో తన మాట ఎం చెల్లుతుంది ?


Chunk 2 — హిరోషిమా_pages0011-0020.txt

OCR Score: 90% Telugu coverage
Characters: 14026

OCR Issues:

  • ASCII junk on lines: [1, 2, 3, 5, 6]...
  • Repeated punctuation clusters: 13 occurrences

Key Terms:

  • అమెరికా
  • ప్రపంచ
  • శాంతి
  • కోసం
  • అణ్వాయుధాల
  • ఖర్చు
  • కూడా
  • ఆయుధాల
  • ప్రపంచం
  • అంటే
  • ప్రభావం
  • తర్వాత
  • వున్నాయి
  • లాంటి
  • భారత
  • ప్రభుత్వం
  • అయితే
  • వుంది
  • నగరాలు
  • కోణం
  • వుంటుంది
  • యుద్ధం
  • కానీ
  • కొత్త
  • కాదు
  • భారత్‌
  • మిలియన్ల
  • పిల్లలు
  • అంచనా
  • మొత్తం

Extractive Summary:

లక్షల మందితో జరిగిన ప్రదర్శన ఈ ఉద్యమంలో ఒక మైలురాయి. ఈ ఉద్యమంలో భారత ప్రభుత్వం, భారత ప్రజానీకం సగర్వ పాత్ర పోషెంచడమ్ల్లో ఒక చారిత్రక వాస్తవం. మానవ చరిత్రలోని ఏ ఇతర ఆయుధానికి లేని ఈ ప్రత్యేకత అజ్వస్తాలకే ఉంది.


Chunk 3 — హిరోషిమా_pages0021-0030.txt

OCR Score: 95% Telugu coverage
Characters: 16198

OCR Issues:

  • ASCII junk on lines: [16, 47, 92, 103, 121]...
  • Repeated punctuation clusters: 17 occurrences

Key Terms:

  • సాంకేతిక
  • నైతిక
  • రాజకీయ
  • వస్తువు
  • జరగాలి
  • మానవ
  • అధ్యయనం
  • రెండో
  • జరిగిన
  • కాన్సంట్రేషన్‌
  • కూడా
  • గురించి
  • ఎన్ని
  • శాస్త్రజ్ఞులు
  • మధ్య
  • కాదు
  • జరిగింది
  • ఆప్విజ్‌
  • ఉంది
  • దీనికి
  • దీనికోసం
  • చేసింది
  • కోసం
  • చాలా
  • అంటే
  • వుంది
  • అయితే
  • వేరు
  • అణుబాంబు
  • దాని

Extractive Summary:

ఈ యుద్ధంలో ఒక 'లక్ష్మణరేఖ ని దాటడం జరిగింది. ఫలితంగా ఎన్ని ఘోరాలు చేసినా 'ఆ విషయం మాకు తెలియదు” అనే సాకుని చూపి ఎక్కువమంది పౌరులు తమ నైతిక బాధ్యతనుంచి = తప్పించుకున్నారు. ఈ నైతిక సంక్షోభానికి ఒక పరిష్కారం ఉందని నేను భావిస్తున్నాను.


Chunk 4 — హిరోషిమా_pages0031-0032.txt

OCR Score: 78% Telugu coverage
Characters: 6810

OCR Issues:

  • No notable OCR issues detected

Key Terms:

  • చెయ్యడం
  • జన్‌
  • ల్‌ు
  • న్నా
  • క్స్‌
  • పామ్‌
  • మహళల
  • స్త్‌
  • పెడా
  • ఫేగాక
  • “నత్తా
  • వేన్‌
  • షాను
  • వన్‌
  • “ఎట్టి
  • -బ్ల
  • బ్లకీల
  • త్‌ే
  • న్వు
  • ఫుసే
  • చక్‌
  • న్శ్‌
  • -శాని
  • ంశ్రైి
  • చ్తె
  • న్‌్‌
  • తగ్గ
  • “వాను
  • శ్యట్తీు
  • ఉట్ల

Extractive Summary:

శే శ్ర తీ అ " ప య శ్‌ ఖ్‌ క్ట 4 క = = 4 జో న | మి | న్‌ న్న అ వ స గ “వాను -, సీ శా | న లే క క .. జీ య - _ జ + 1 తళ గి, గ్ల 1 అ ః లల ల / గ క్‌ , ణు .. గ ఇ న జ్జ న క్‌ _ _ థి , న్‌ య శే ల క అశు [ న [గ ఫె త్త ని ము క్‌ అై ఇ ్‌ శ ల | ఇ ॥ ల గ ళ్‌ శ ఎ ॥ భ్‌ ఇ ఖ జ (= యల! గాటన ,్‌ క "ఇ ల న క గ వే ఇధి న్న ం _ *% ఖో [ బన (న జ “ , క్‌ టై శా మ శ న జ్‌ ళ్‌ ఖమ + ఎంత త మట త " "చ జ శ జో *ళ సం ట్‌ నం. జ | “అలతి ఈ ళా జా ఇ క్‌ల నీ _ ఉ న క స ౩ క్‌ టల కా త గ్గ జి | “శ వన ॥ + | క. ; ఫ్‌ క _ ॥ జ్‌ వ్‌ వొ ప్రి ల ఆ 4 న్‌ కో త్‌ * " శ న న జై ఖో తన - త జ ల 0 | 4 .