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!