Telugu Bharatha desham 30 yendla aardika parinamam ankelalo noLLM analysis - anilvaranasi/indianlanguages GitHub Wiki

Analysis: Bharatha-desham-30-yendla-aardika-parinamam-ankelalo

Method: Non-LLM (Frequency keywords + LexRank + Unicode heuristics)
Source: https://sundarayya.org/bhaaaratadaeesam-gata-30emdala-arathaika-parainaaamam-amkaelalaoo-0
Date: 2026-08-05 10:53
Chunks: 3


Book Overview

Book: Bharatha-desham-30-yendla-aardika-parinamam-ankelalo
Source: https://sundarayya.org/bhaaaratadaeesam-gata-30emdala-arathaika-parainaaamam-amkaelalaoo-0
Total OCR chunks analysed: 3


OCR Quality Summary

Average Telugu script coverage across all chunks: 80%


Telugu Vocabulary — Top Keywords (YAKE)

Keywords extracted statistically — most distinctive terms per chunk.

  • మొత్తం
  • కంపెనీల
  • విదేశీ
  • విసీర
  • కారం
  • తారా
  • అస్తుల
  • కంపెనీలు
  • పెట్టుబడి
  • కోట్ల
  • బిటను
  • భారత
  • అమెరికా
  • పశ్చిమజర్మనీ
  • దేశాలు
  • భూమి
  • లోపు
  • అయనం
  • ఏ0ంండ
  • గౌరతంలళల
  • ట్రీలంంలు
  • చుతీతో
  • అట్టా
  • ౩౭లఅకః
  • శ్రజఇకణ
  • ౧0౪౧౦
  • ల్లా
  • స్ట్‌
  • జజిలఎఐ
  • కలలణ

Per-Chunk Details

Chunk 1 — Bharatha-desham-30-yendla-aardika-parinamam-ankelalo_pages0001-0010.txt

OCR Score: 74% Telugu coverage
Characters: 3667

OCR Issues:

  • ASCII junk on lines: [47, 82, 83, 84, 85]...

Key Terms:

  • మొత్తం
  • కంపెనీల
  • విదేశీ
  • విసీర
  • కారం
  • తారా
  • అస్తుల
  • కంపెనీలు
  • పెట్టుబడి
  • కోట్ల
  • బిటను
  • భారత
  • అమెరికా
  • పశ్చిమజర్మనీ
  • దేశాలు
  • భూమి
  • లోపు
  • అయనం
  • ఏ0ంండ
  • గౌరతంలళల
  • ట్రీలంంలు
  • చుతీతో
  • అట్టా
  • ౩౭లఅకః
  • శ్రజఇకణ
  • ౧0౪౧౦
  • ల్లా
  • స్ట్‌
  • జజిలఎఐ
  • కలలణ

Extractive Summary:

౨ అటు గో 2 శ్రజఇకణ కక ణణ *=ణణ టి ఈ ౧0౪౧౦ 6 త 0౧ అ ౧ ల్లా రాధ లు జ ది దు రా ధయ చాట ధి యరా ల సీ స్ట్‌ 8 జజిలఎఐ ఒఅ ఎఐఐ కలలణ వో య (న సా ఉగ ళ్‌ ఇళికుక షణ వశ వ౨సిన్లి యు ఆ క్‌ ఎ2కతేశతి సన పప ఎకి రే | జా లా 6 కఠ టే జ ఇసక వ వ ఠఉ'వి ఇ ఇల్లి | సజ | గ ఏ 2 తై శా శా స్‌ జతే ద్ద వం 4; స్‌ గ గానె స్‌ 1 న్‌ ' | ౪ టై శ శ్‌ స్ణే చి 1 సన య న చ స చ న్‌ విం శ,క్‌ అ 9 [424 లం న లు. )న॥॥ | "లై సై ఎ ఓ [ షట ఆటా క్ట న షై గో స 1 ఖై నగా వీ ంా ం రోట్త టట కల జ న న్‌ సెల్‌ చేసట బంగ సా జై ... తం తీ ఉంస్తిస్త్‌ కి గ్‌ సే బదాణబాజాణాళా హాహా జెాజెః ర శాం ఆశ శా ధె 1048 1001 1068 190"8 జూన్‌ డిశంబరు మార్చి ' తోటల పెంపకం ర్‌లి 102 128 న గనులు 21 12 0గ్రి న 'పషెటోలియమ్‌ 9 158 1906 న వస్తూత్పత్తులు (71 ౨95 *' 822 తదితరాలు 108 118 లి9ికి న మొత్తం లిరిర్‌ 680 1548 శీరరల = మ జా ప ఖు ఆ త (బిటను + 1280 శీ0 ొంరినిడి ల 700 కాజా గూ ఆమెరికా 10 12 520 ర్‌5్‌0 ఇరరులు 75 628 897 వా.


Chunk 2 — Bharatha-desham-30-yendla-aardika-parinamam-ankelalo_pages0011-0020.txt

OCR Score: 72% Telugu coverage
Characters: 2396

OCR Issues:

  • ASCII junk on lines: [2, 8, 15, 22, 23]...

Key Terms:

  • వినియోగ
  • సూచి
  • కాతం
  • శక్‌
  • పెరిగింది
  • తలసరి
  • ఆదాయం
  • శ్లో
  • ల్లీ
  • మరణాల
  • రేటు
  • పన్నుల
  • స్ట్‌
  • వినిమయ
  • వస్తువుల
  • చర్మిత
  • బియ్యం
  • తెజ్సి
  • 25పై
  • 80పై
  • 4ఉ-00
  • గోధుమలు
  • కెజి
  • పప్పుధాన్యాలు
  • శెజి
  • 850ప
  • వరళనగనూన్నకెప్తి
  • 55పై
  • మాంసం
  • 120పై

Extractive Summary:

ఎ న న గ సగ ఫా ఇత కష లేళ్ల స? ౧౦ స్ట్‌ స్టిక్స్‌ ౦ లు గే న ఆన్‌ ంందాల!| 2 కఇైడ క్‌ శె 2లో స్ట్‌ టైచొ 4 *ం ఏపి | ఉ౧౧౦౪కిండి |బ్ఞైదై ల | ళల వాన శానిన్ళ 0 లు ఉంటు) ఇతి గ వాస క కా! ( టల ఇప్ప (నో ॥ న న వ ఉం ర ఖ్‌ (టీ, క్‌ర్ప!


Chunk 3 — Bharatha-desham-30-yendla-aardika-parinamam-ankelalo_pages0021-0021.txt

OCR Score: 93% Telugu coverage
Characters: 159

OCR Issues:

  • No notable OCR issues detected

Key Terms:

  • లాన్‌
  • యంగా
  • తనయా
  • కస్‌

Extractive Summary:

ల్‌ లాన్‌ టట డా యంగా క్త. క్‌ సంచ న తనయా కూ. భక, జ్‌ రు మ క్‌ సస పం క సహా న రు కస్‌ ల యాం ని.