Telugu haiku noLLM analysis - anilvaranasi/indianlanguages GitHub Wiki

Analysis: haiku

Method: Non-LLM (Frequency keywords + LexRank + Unicode heuristics)
Source: https://sundarayya.org/haiku
Date: 2026-08-11 19:14
Chunks: 7


Book Overview

Book: haiku
Source: https://sundarayya.org/haiku
Total OCR chunks analysed: 7


OCR Quality Summary

Average Telugu script coverage across all chunks: 95%


Telugu Vocabulary — Top Keywords (YAKE)

Keywords extracted statistically — most distinctive terms per chunk.

  • హైకూ
  • వుంటుంది
  • కూడా
  • హైకూలో
  • కాదు
  • మాత్రమే
  • పాఠకుని
  • వుంటాయి
  • అంతర్ముఖం
  • కానీ
  • వుంటాడు
  • కవికి
  • నుంచి
  • కంటే
  • కనుకనే
  • ప్రేమ
  • మంచి
  • హైకూలు
  • జీవితం
  • మార్మిక
  • లేదా
  • అలాంటి
  • అతని
  • తాను
  • కొలను
  • హైకూని
  • కావాలి
  • కాని
  • వారి
  • లక్షణాలు

Per-Chunk Details

Chunk 1 — haiku_pages0001-0010.txt

OCR Score: 93% Telugu coverage
Characters: 6762

OCR Issues:

  • ASCII junk on lines: [11, 14, 18, 23, 24]...

Key Terms:

  • హైకూ
  • వుంటుంది
  • కూడా
  • హైకూలో
  • కాదు
  • మాత్రమే
  • పాఠకుని
  • వుంటాయి
  • అంతర్ముఖం
  • కానీ
  • వుంటాడు
  • కవికి
  • నుంచి
  • కంటే
  • కనుకనే
  • ప్రేమ
  • మంచి
  • హైకూలు
  • జీవితం
  • మార్మిక
  • లేదా
  • అలాంటి
  • అతని
  • తాను
  • కొలను
  • హైకూని
  • కావాలి
  • కాని
  • వారి
  • లక్షణాలు

Extractive Summary:

వ్రనొద్‌ శ తమ : 2397 వ4ం4ిరగికకిట ₹41/05ల534 200 ఇ 6054142757 4[400గాని4 3004 ౫0055 రన పాలునాలాలనానాన యకక న ల ఓ. ఆ స్థితిలోకి ప్రపంచం ఒక కలలాగా (ప్రవేళించి ఆదృళ్ళమౌతూ వుంటుంది.


Chunk 2 — haiku_pages0011-0020.txt

OCR Score: 97% Telugu coverage
Characters: 1625

OCR Issues:

  • No notable OCR issues detected

Key Terms:

  • హైకూ
  • వూలు
  • గాలి
  • నిండా
  • నాలాల
  • చందమామ
  • రాలిన
  • అందంగా
  • ప్రసాద్‌
  • విట్టలు
  • కూన్తున్హాయి
  • రంగుల
  • శబ్దాలు
  • వనంతం
  • చెట్లకి
  • వూదచాయి
  • వ్లూలూ
  • ప్రేమలూ
  • రాయి
  • నాటాను
  • కొలను
  • తొలనంతా
  • తామరాకయింటి
  • ్రవావానానవననవపననననవహావవావవాావ
  • ప్రసాబ్‌
  • నాలుునాుారాంం
  • దూరంగా
  • థీనం
  • అముశా
  • దాని

Extractive Summary:

నాలాల నాలుునాుారాంం దూరంగా థీనం, అముశా దాని చుట్టూ జక గుడిని ఖిద్రపోయాను. హైకూ ననన వాం ప్ర నూర్చచంద్రులు (కానన వవ బవివి స్రసాట్‌


Chunk 3 — haiku_pages0021-0030.txt

OCR Score: 96% Telugu coverage
Characters: 1773

OCR Issues:

  • No notable OCR issues detected

Key Terms:

  • వర్వతం
  • రాత్రి
  • రెండు
  • డ్రానా
  • బివివి
  • చెట్టు
  • హైకూ
  • తటలిలే
  • మేఘం
  • మీది
  • లోయలోకి
  • జారింది
  • వచ్చు
  • అండి
  • చందమామ
  • ముళ్చ
  • నిశ్చబ్దం
  • ఆఠాళశం
  • ఖీరు
  • లేని
  • నముద్రం
  • భూటు
  • ్రాాాాాానననననననననననననననననానానిన
  • య్రసాట్‌
  • వసంతం
  • వూలూ
  • వ్రశాంతతా
  • విచ్చివాడు
  • చూస్తున్నాడు
  • తొండలబన్లీ

Extractive Summary:

ననన ననా య లా లే ఈ పడాడి _ తన శడ మీద


Chunk 4 — haiku_pages0031-0040.txt

OCR Score: 96% Telugu coverage
Characters: 1639

OCR Issues:

  • No notable OCR issues detected

Key Terms:

  • హైకూ
  • మరొక
  • ప్రసాద్‌
  • రాత్రి
  • చందమామ
  • ఎవరూ
  • డ్రానా
  • ఆకాశం
  • చూశాను
  • నించి
  • తెరచావ
  • ఊగుతోంది
  • లేరు
  • ఒడ్డున
  • కరటిం
  • కెరటం
  • క్రమంగా
  • చంద్రోదయం
  • నూర్ప్చజింబం
  • రోజూ
  • చూన్తుంది
  • చెట్టుని
  • నుంచి
  • టివిని
  • మబ్బులది
  • తవుడు
  • తెల్ల
  • తిటికీ
  • తగిలించని
  • చిత్రపటం

Extractive Summary:

ఈ రాత్రి మబ్బులది. తవుడు చందమామ జక తెల్ల మరక తిటికీ ఎవరూ తగిలించని చిత్రపటం చిజ్లవ్రటి న్యూలు. అఫ్టటి మిత్రులు ఎతక్తుడ వున్ణారో హైకూ మననవ)


Chunk 5 — haiku_pages0041-0050.txt

OCR Score: 96% Telugu coverage
Characters: 1608

OCR Issues:

  • No notable OCR issues detected

Key Terms:

  • హైకూ
  • రాత్రి
  • ఏకాంత
  • నేనూ
  • అతిథి
  • వెళ్చపోయినా
  • గుమ్మంలోనే
  • వన్లాను
  • సాయంత్రం
  • న్లానం
  • చేస్తున్నాను
  • చీమలు
  • తువానులో
  • చిక్కుతొన్షాయి
  • నాతో
  • చటభివింది
  • అవమ్హాయి
  • వెద్దవాళ్రమైవోయాం
  • ్ర్రజాానాననపననవపావా
  • బివి
  • ప్రసాట్‌
  • నిలయేటిలో
  • త్రుక్టి
  • వడుతోంఠి
  • నిళత్చభ్ధం
  • నూర్మాన్తమయం
  • ఎన్లోసారి
  • ఎవర్షి
  • అడగను
  • వీథి

Extractive Summary:

ననన! ఆ అవమ్హాయి. రాత్రంతా చెరగలేదు హైకూ ననన)


Chunk 6 — haiku_pages0051-0060.txt

OCR Score: 96% Telugu coverage
Characters: 1618

OCR Issues:

  • No notable OCR issues detected

Key Terms:

  • హైకూ
  • బివివి
  • అంతా
  • చీకటి
  • ప్రసాద్‌
  • రాత్రి
  • మబ్బులు
  • రాలేదు
  • రాలిన
  • చూశాను
  • చందమామ
  • అల్లిన
  • వెన్షైలలో
  • చఅక్కాయి
  • నక్షత్రాలు
  • చీకట్లో
  • మిణుగురు
  • మురిచివోయిన
  • గుర్తు
  • వచ్చింధి
  • అరగ్లివుల్ల
  • వెలిగింది
  • తులవిలలాడింది
  • ఇ్రాాాాాాానాననాననననననననననవవావాన
  • బీవి
  • రంగులన్లీ
  • సాయం
  • నూర్ముని
  • చేరాయి
  • నల్లని

Extractive Summary:

అల లేని చోటు వెదుకుతూ నడవ ననన


Chunk 7 — haiku_pages0061-0063.txt

OCR Score: 88% Telugu coverage
Characters: 474

OCR Issues:

  • ASCII junk on lines: [13]
  • High noise-line ratio (7/33 lines < 3 chars)

Key Terms:

  • హైకూ
  • నుంచి
  • అంకితం
  • వశూలటీ
  • వెన్లెలకీ
  • నంజీవదేన్‌కీ
  • స్రావ
  • ౯౧4540
  • శీటి
  • రాలిన
  • వూవుణి
  • ప్రతిబింబం
  • చేరుకొంది
  • దృళ్యానిక్సీ
  • అదృశ్యానికీ
  • శజ్టానికీ
  • నిళ్ళబ్హానికీ
  • మధ్య
  • నున్చితమైన
  • నరిహద్దు
  • నరిహాద్దులలో
  • నంచరినూ
  • ఉంటాడు
  • దుళ్ళం
  • అదృళ్ళా
  • నికీ
  • శబ్లం
  • నిళ్ళబ్దానికీ
  • పాఠకుని
  • తీనుకెళతాడు

Extractive Summary:

హైకూ కవి ఆ నరిహాద్దులలో | నంచరినూ ఉంటాడు. దుళ్ళం నుంచి అదృళ్ళా నికీ శబ్లం నుంచి లా స] పాన *ద నిళ్ళబ్దానికీ కవి పాఠకుని తీనుకెళతాడు. ఆ నిల్ళబ్దం, శబ్దం కంటె చైతన్యవంతంగానూ, అద్భళ్ళం దృశం కంటే రసమయంగానూ ॥ వుంటాయి.