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 / ॥ .