Telugu Kolpulollam noLLM analysis - anilvaranasi/indianlanguages GitHub Wiki

Analysis: Kolpulollam

Method: Non-LLM (Frequency keywords + LexRank + Unicode heuristics)
Source: https://sundarayya.org/kaolapaulaoolalam
Date: 2026-08-06 11:56
Chunks: 6


Book Overview

Book: Kolpulollam
Source: https://sundarayya.org/kaolapaulaoolalam
Total OCR chunks analysed: 6


OCR Quality Summary

Average Telugu script coverage across all chunks: 95%


Telugu Vocabulary — Top Keywords (YAKE)

Keywords extracted statistically — most distinctive terms per chunk.

  • తెలంగాణ
  • అశోక్‌
  • గట్ల
  • పెద్ద
  • పుస్మం
  • మంచిగ
  • కవిత్వానికి
  • కవిత్వం
  • భాషల
  • ప్రాంతాల
  • ప్రపంచీకరణ
  • చెరువు
  • దేశాల
  • మోతుకూరి
  • అశోక్‌కుమార్‌
  • సంపుటి
  • నాతోని
  • నన్ను
  • మన్ని
  • మన్సుకు
  • గిట్ల
  • మన్సు
  • దెచ్చిన
  • ముంగట్కి
  • అద్దం
  • భాషే
  • అధికార
  • భాషను
  • ఉన్నది
  • జేసి

Per-Chunk Details

Chunk 1 — Kolpulollam_pages0001-0010.txt

OCR Score: 94% Telugu coverage
Characters: 8820

OCR Issues:

  • ASCII junk on lines: [22, 23, 25, 26, 27]...
  • Repeated punctuation clusters: 10 occurrences

Key Terms:

  • తెలంగాణ
  • అశోక్‌
  • గట్ల
  • పెద్ద
  • పుస్మం
  • మంచిగ
  • కవిత్వానికి
  • కవిత్వం
  • భాషల
  • ప్రాంతాల
  • ప్రపంచీకరణ
  • చెరువు
  • దేశాల
  • మోతుకూరి
  • అశోక్‌కుమార్‌
  • సంపుటి
  • నాతోని
  • నన్ను
  • మన్ని
  • మన్సుకు
  • గిట్ల
  • మన్సు
  • దెచ్చిన
  • ముంగట్కి
  • అద్దం
  • భాషే
  • అధికార
  • భాషను
  • ఉన్నది
  • జేసి

Extractive Summary:

కౌళ్చుళ్యూం “స మోతుకూరి అశోక్‌కుమార్‌ . (జ్ర ఈ2డ' వ్‌ క్ట్‌_కోట్ల ప అ రధాల, యమో (గ్రంధాలయ న్యా 4 | పంక కలి... జీ వ య్‌ 2032 ౮2022684 లి. నోస్తాల్షియా అని తేల్చిపారేసేది కాదు ఊరు ఒక దేశానికి బక జాతికి నల్దిశలా తలెత్తుకునే శక్తినీ, సంస్కృతినీ పాదివిన మవాో సంపన్న ఊరు స్పృతి


Chunk 2 — Kolpulollam_pages0011-0020.txt

OCR Score: 95% Telugu coverage
Characters: 6399

OCR Issues:

  • ASCII junk on lines: [23, 96, 244]
  • Repeated punctuation clusters: 16 occurrences

Key Terms:

  • అశోక్‌
  • కవిత్వం
  • లేదో
  • నీకు
  • నాకు
  • రోడ్డు
  • మనుషులు
  • సిద్దిపేట
  • కొల్పులోల్లం
  • గట్ల
  • శిత్రంగ
  • బాంచను
  • నాయిన
  • బాంచను-
  • జేశినా
  • నాయిన-
  • పోద్దు
  • కండ్ల
  • తండ్రులు
  • ఆళ్ళ
  • ఇగనికు
  • లేంథి
  • మొదలైతది
  • ఆకలిబాధ
  • అన్నిటికంటే
  • పెద్దది
  • కడుపు
  • చీరి
  • గాయాలు
  • చెయ్యడంలో

Extractive Summary:

వ్యక్తీకరణలోని ఈ పదును భాషదా ? భాషను చూస్తె ఇగ - ఇంతమంచి భాష నాలుక వొడిపెట్టి ఎంతన్సాయం చేసిండ్రోనని వఏడుపాొస్తది బతుకు తల౩ెత్తుకోవల్సిన బాధ్యత పెచ్చరిల్లుతది. కలలని ననన ననన | ] అననని కొల్పులోల్లం గట్ల శిత్రంగ జూడకుండ్రి బాంచను!


Chunk 3 — Kolpulollam_pages0021-0030.txt

OCR Score: 94% Telugu coverage
Characters: 7037

OCR Issues:

  • ASCII junk on lines: [47, 140, 178]
  • Repeated punctuation clusters: 25 occurrences

Key Terms:

  • బిడ్డా
  • పానాలు
  • మేమే
  • గాదా
  • నాయినా
  • నడ్చ
  • నాయిన
  • ఊరునిండ
  • గావట్టి
  • అన్హాలం
  • ఆఖరుకు
  • కండ్లల్ల
  • గింత
  • గవ్వలేశిన
  • ఇల్లు
  • కాయలు
  • నంపుడు
  • మాటలు
  • చాల్చాజతనం
  • గిట్ల
  • మాకాడస్తది
  • యవునం
  • లోకంల
  • రావడ్తిమి
  • వురాగ
  • పొట్టు
  • త్‌ీబ్‌
  • తక్షీబైతుంది
  • ములుగొయ్యల
  • గావట్టె

Extractive Summary:

ల ఊరునిండ పీన్లులు గావట్టి - ౧ ఉన్గదంత ఊడ్డుక పోయిండ్రు. ఆట మొదల్వెట్టిండ్రు జోరుజోరుగ లఎన్లినంజాలేళినా ఆట బుడ్డగీసైతోంటి -


Chunk 4 — Kolpulollam_pages0031-0040.txt

OCR Score: 95% Telugu coverage
Characters: 6115

OCR Issues:

  • ASCII junk on lines: [84, 108, 187, 234]
  • Repeated punctuation clusters: 10 occurrences

Key Terms:

  • బిడ్డా
  • లేదు
  • లేని
  • కొత్త
  • గాదు
  • పైలం
  • మీకు
  • కొడ్డా
  • మన్ని
  • వాని
  • ముశి
  • జేశిండు
  • ఊల్లె
  • తొత్త
  • తాకులాటలు
  • శెయి
  • వెట్టి
  • గిప్పుడు
  • వైలం
  • లెక్కగాదు
  • బుద్దులు
  • ఫైలం
  • ఊరుదార్మినాదుండ్ల
  • నాకు
  • అంబటి
  • గుల్ల
  • ఎన్కటి
  • నీళ్ళు
  • అవ్వల
  • లెవ్వు

Extractive Summary:

య. వవంచమంత ఆడే - / ఆడడుగు వెట్టిండంటెనె కీడు ముంచుకచ్చినట్టు - ఇనిరర్దిదల్లి... ఎందరి ఉసనురుబోన్ముంటుండు ఎందర్డి కలకల వెట్టిండు ! దేశాల నడ.


Chunk 5 — Kolpulollam_pages0041-0050.txt

OCR Score: 95% Telugu coverage
Characters: 6509

OCR Issues:

  • ASCII junk on lines: [43, 159, 205]
  • Repeated punctuation clusters: 11 occurrences

Key Terms:

  • బిడ్డా
  • మొకాలు
  • ఇల్లు
  • చువ్‌
  • గంతే
  • మల్లా
  • మన్లు
  • గిట్ల
  • జూడుండ్రి
  • ఊల్లెకు
  • దోస్తాన
  • నీకు
  • నొదాంచుండ్రి
  • నోర్కుయ్యాలె
  • నీనాల్మెను
  • పేర్సీద
  • పట్టజేపిచ్చుకున్ల-
  • నన్నడ్డకుంట
  • పల్లెత్తు
  • బైటివడద్దు
  • శెఫ్ట్‌న
  • శిల్బవపల్కుదప్ట
  • ఇంకోటి
  • వల్లియ్యద్దు-
  • తండ్లున్మయని
  • ఎదురైనయల్ల
  • జూడద్దు
  • జూశినయనల్లి
  • గుర్తువెట్టుకోవద్దు
  • లఎంతవనైందని

Extractive Summary:

జర నొదాంచుండ్రి...? అవునా గాదా ” ఇగ నువ్వేంటి నేనేంధి జర నాచాంచు.


Chunk 6 — Kolpulollam_pages0051-0055.txt

OCR Score: 95% Telugu coverage
Characters: 1917

OCR Issues:

  • No notable OCR issues detected

Key Terms:

  • గిట్ల
  • కొడ్కా
  • బాంచెన్‌
  • బిడ్డా
  • వాటా
  • విచ్చిశాతలు
  • గప్పుడెప్పుడో
  • శానేండ్లకింద
  • వూజక్టోశిండ్రంట
  • వ్రతాళ్టేరిండ్రంట
  • గివ్వుడు
  • ముంగట
  • దానవెట్టి
  • ముడ్డికి
  • నుట్టేస్తరు
  • మూతికి
  • శిక్కాలు
  • వెట్టి
  • పాలువిండుకుంటరు
  • బిడ్డె
  • నోరు
  • వొదుక్కుదల్లంగనే
  • పానంలేశప్తది
  • పాల్పొంగస్త్రయి
  • నోటి
  • ముంగటి
  • బుక్కెత్క్మపోయినట్టు
  • కంథ్లముంగటి
  • పోరన్లి
  • మాయంకజేశినట్టు

Extractive Summary:

యయా టా ననన వాటా విచ్చిశాతలు గప్పుడెప్పుడో శానేండ్లకింద వూజక్టోశిండ్రంట... వ్రతాళ్టేరిండ్రంట.. గివ్వుడు ముంగట దానవెట్టి ముడ్డికి నుట్టేస్తరు మూతికి శిక్కాలు వెట్టి పాలువిండుకుంటరు బిడ్డె నోరు వొదుక్కుదల్లంగనే పానంలేశప్తది. ఇగ తొత్తకొట్టాలల్ల ఎట్లిర్కాల్లో.పానం నీల్లునీక్రైతది- మారాత కప్పాన వుట్టి కష్పాన వెరుడైంది చ్‌ ॥ ॥ | న " " జై న్‌ా కా ఒ కం వ్‌ 1 శ ఎగర / నాలా లాం / ॥ .