Telugu dheshani sanitizer chedam noLLM analysis - anilvaranasi/indianlanguages GitHub Wiki
Analysis: dheshani-sanitizer-chedam
Method: Non-LLM (Frequency keywords + LexRank + Unicode heuristics)
Source: https://sundarayya.org/daeesaaananai-saaanaitaaija-caeedadaaam
Date: 2026-08-06 11:44
Chunks: 4
Book Overview
Book: dheshani-sanitizer-chedam
Source: https://sundarayya.org/daeesaaananai-saaanaitaaija-caeedadaaam
Total OCR chunks analysed: 4
OCR Quality Summary
Average Telugu script coverage across all chunks: 94%
Telugu Vocabulary — Top Keywords (YAKE)
Keywords extracted statistically — most distinctive terms per chunk.
- క్యాన్సర్
- చేద్దాం
- అబద్ధం
- నిజం
- వ్రతం
- దేశాన్ని
- బట్టలు
- దేవరాజు
- మహారాజు
- ప్రతి
- మంది
- పిల్లిని
- కూడా
- అక్కడ
- ఉన్న
- రోజు
- ముందే
- అర్ధం
- యజమాని
- ఇంటి
- కింద
- సానిటైజ్
- విజ్ఞానకేంద్రం
- కాలం
- నిజాన్ని
- వున్న
- దేశం
- కాదు
- ఎంతో
- మెసేజ్
Per-Chunk Details
Chunk 1 — dheshani-sanitizer-chedam_pages0001-0010.txt
OCR Score: 95% Telugu coverage
Characters: 10194
OCR Issues:
- ASCII junk on lines: [28, 30, 31, 37, 43]...
- Repeated punctuation clusters: 6 occurrences
Key Terms:
- క్యాన్సర్
- చేద్దాం
- అబద్ధం
- నిజం
- వ్రతం
- దేశాన్ని
- బట్టలు
- దేవరాజు
- మహారాజు
- ప్రతి
- మంది
- పిల్లిని
- కూడా
- అక్కడ
- ఉన్న
- రోజు
- ముందే
- అర్ధం
- యజమాని
- ఇంటి
- కింద
- సానిటైజ్
- విజ్ఞానకేంద్రం
- కాలం
- నిజాన్ని
- వున్న
- దేశం
- కాదు
- ఎంతో
- మెసేజ్
Extractive Summary:
ఇబ్రహీంపట్నం మండలంలోని ఒక నాటు వైద్యుడు పాము, తేలు, ఇతర విష పురుగుల కాటుకు తన దగ్గర వైద్యం ఉందని చెప్పుకున్నాడు. ఒక అబద్ధంతో ఆ నాటు వైద్యుడు ఈ మనువాద దేశభక్తులు అర్ధం చేసుకోవాల్సింది ఏమిటంటే ఒకటో తరగతి, రెండో తరగతి వాచకాల్లాగా భారత రాజ్యాంగం ఒక వాచకం కాదు.
Chunk 2 — dheshani-sanitizer-chedam_pages0011-0020.txt
OCR Score: 94% Telugu coverage
Characters: 17028
OCR Issues:
- ASCII junk on lines: [47, 145, 162, 179, 261]...
- Repeated punctuation clusters: 6 occurrences
Key Terms:
- ఉంది
- వారి
- వల్ల
- కాదు
- ఉంటారు
- దేవుడు
- దేశంలో
- కానీ
- నుంచి
- పాఠ్య
- ఉన్న
- చేసే
- మాత్రం
- దేవరాజు
- మహారాజు
- దేశాన్ని
- శానిటైజ్
- చేద్దాం
- మంత్రి
- అంశాలు
- పిల్లలకు
- పెద్ద
- ప్రతి
- కేవలం
- రకంగా
- స్వప్నం
- పిల్లలు
- ఇంకా
- మానవ
- భారత
Extractive Summary:
ఆ పక్కనే హిమాయత్సాగర్ చెరువు ఉండటం వల్ల అందులోంచి తాబేలు మెల్లగా మెల్లగా నడుచుకుంటూ వచ్చి ఉంటుందన్న ఒక చిన్న విషయం ఆ పూజారిగారికి తోచలేదు. ఒక రకంగా నిచ్చెనమెట్ల సంస్కృతిని బతికిస్తూనే ఉండాలని ఆ ప్రకటన పరోక్షంగా ప్రకటిస్తూ ఉంది. ఈ భూమి మీదున్న చరాచర సృష్టికంతటికీ ఆ జగదక్షకుడే కారణం..!
Chunk 3 — dheshani-sanitizer-chedam_pages0021-0030.txt
OCR Score: 94% Telugu coverage
Characters: 16089
OCR Issues:
- ASCII junk on lines: [2, 8, 10, 15, 20]...
- Repeated punctuation clusters: 8 occurrences
Key Terms:
- హోమో
- జాతి
- మానవ
- నుంచి
- ఉంది
- వల్ల
- కూడా
- చాలా
- పూర్వం
- శిలాజాలు
- కరోనా
- సంవత్సరాలకు
- మధ్య
- వారి
- కానీ
- రెండు
- మెదడు
- ఆధునిక
- ఉండడం
- వారు
- మిలియన్
- ఎన్నో
- అంటే
- గూర్చి
- చేసి
- కాదు
- దేవరాజు
- మహారాజు
- చెందిన
- ఎత్తు
Extractive Summary:
ఈ హోమో హైడల్ బరగ్గెన్సిస్ శిలాజం తొలుత జర్మనీలో 1907 అక్టోబర్ 21న ఒక పనివాడికి దొరికింది. అయితే ఇది కూడా అభివృద్ధి చెందిన ఇతర మానవజాతుల్లాగా రాతి పనిముట్లు తయారు చేసుకోవడం వల్ల ఇక ఈ జాతిని హోమో సమూహంలో చేర్చక తప్పలేదు. ప్రజల ప్రాణాలు కాపాడటానికి ప్రభుత్వాలు లాక్డౌన్లు ప్రకటించినా.. ఆ లాక్డౌన్లు ఎన్నో ఇతర రంగాల మీద ప్రభావం చూపాయి.
Chunk 4 — dheshani-sanitizer-chedam_pages0031-0036.txt
OCR Score: 95% Telugu coverage
Characters: 4752
OCR Issues:
- ASCII junk on lines: [80, 130]
Key Terms:
- వైరస్
- కొత్త
- దేశాన్ని
- చేస్తుంది
- ఎవరో
- చట్టం
- గాలులు
- దేవరాజు
- మహారాజు
- చేద్దాం
- వస్తుందా
- కరోనా
- దేశం
- పువ్వు
- ముందు
- అనుమతి
- తెచ్చారు
- రంగు
- కూడా
- ఎవరి
- సానిటైజ్
- వీచే
- వివరాలు
- ఉంది
- అనుగుణంగా
- చట్టాలు
- మళ్ళీ
- ఎంతటి
- మాత్రమే
- ఎవడు
Extractive Summary:
వీచే ముందు గాలులు తమ దిశ దశ ఏమిటో ఎటో అందువల్ల ఈ చట్లాలు నా తర్వూ, ఒగరు రాం న సె + వ ల్ని గ న, | [6 స మ ని ఇ వరం లం తమ చుట్టాలకు అనుగుణంగా న వ రకం ఎవరో ఇక్కడ కొత్త చట్టాలు తెచ్చారు ఒద్దును తాకే కెరటాలక్కూడా ఒక హెచ్చరిక!