| Source | # of sentences | Average logarithmic rank |
|---|---|---|
| http://te.wikipedia.org/wiki/అలివాల్ | 15 | 4.76 |
| http://te.wikipedia.org/wiki/అనంతసగర్ | 12 | 4.83 |
| http://te.wikipedia.org/wiki/చంఛావ్_వాలీ | 11 | 4.93 |
| http://te.wikipedia.org/wiki/ఆళ్లపాడు | 19 | 4.96 |
| http://te.wikipedia.org/wiki/కాట్రకాయలగుంట | 11 | 5.04 |
| http://te.wikipedia.org/wiki/అల్లంపల్లి_(పినపాక) | 14 | 5.11 |
| http://te.wikipedia.org/wiki/భోహ్లియన్ | 13 | 5.18 |
| http://te.wikipedia.org/wiki/తెరి | 11 | 5.19 |
| http://te.wikipedia.org/wiki/అర్జన్_మాంగే | 11 | 5.26 |
| http://te.wikipedia.org/wiki/చిత్తపార | 14 | 5.35 |
| http://te.wikipedia.org/wiki/కైరన్_నంగల్ | 17 | 5.41 |
| http://te.wikipedia.org/wiki/రామడుగు_(కరీంనగర్) | 11 | 5.41 |
| http://te.wikipedia.org/wiki/అన్నూరు | 11 | 5.46 |
| http://te.wikipedia.org/wiki/అబు_సయ్యద్ | 12 | 5.55 |
| http://te.wikipedia.org/wiki/చుచక్_వాల్ | 11 | 5.58 |
| http://te.wikipedia.org/wiki/థిక్రీవాలా | 12 | 5.58 |
| http://te.wikipedia.org/wiki/అగ్రహారపు_కోడేరు | 13 | 5.64 |
| http://te.wikipedia.org/wiki/తర్సిక్కా | 16 | 5.64 |
| http://te.wikipedia.org/wiki/అబ్బుగూడెం | 15 | 5.69 |
| http://te.wikipedia.org/wiki/నేష్తా | 11 | 5.72 |
| http://te.wikipedia.org/wiki/వేగివాడ | 11 | 5.72 |
| http://te.wikipedia.org/wiki/ఆకివీడు | 15 | 5.73 |
| http://te.wikipedia.org/wiki/వజీర్_భుల్లార్ | 14 | 5.74 |
| http://te.wikipedia.org/wiki/మొగరాల | 12 | 5.76 |
| http://te.wikipedia.org/wiki/గండ్రాయి | 12 | 5.83 |
| http://te.wikipedia.org/wiki/అచ్యుతాపురం_(దుమ్ముగూడెం) | 11 | 5.84 |
| http://te.wikipedia.org/wiki/ఇందుపల్లి_(అమలాపురం) | 12 | 5.85 |
| http://te.wikipedia.org/wiki/అడవికొత్తూరు | 11 | 5.87 |
| http://te.wikipedia.org/wiki/హుజూరాబాద్ | 11 | 5.87 |
| http://te.wikipedia.org/wiki/గుండుగల్లు | 15 | 5.88 |
| Source | # of sentences | Average logarithmic rank |
|---|---|---|
| http://te.wikipedia.org/wiki/బాలచంద్రుడు_(పలనాటి) | 13 | 10.38 |
| http://te.wikipedia.org/wiki/సీమ_కథలు | 11 | 10.34 |
| http://te.wikipedia.org/wiki/ఋగ్వేదకాలం_స్త్రీలు | 12 | 10.16 |
| http://te.wikipedia.org/wiki/రాణీ_దుర్గావతి | 12 | 10.16 |
| http://te.wikipedia.org/wiki/విష్ణువు_వేయి_నామములు-101-200 | 13 | 9.99 |
| http://te.wikipedia.org/wiki/ధర్మవరం_రామకృష్ణమాచార్యులు | 12 | 9.98 |
| http://te.wikipedia.org/wiki/సంస్కృతం | 58 | 9.96 |
| http://te.wikipedia.org/wiki/విద్యాధర్_మునిపల్లె | 20 | 9.92 |
| http://te.wikipedia.org/wiki/లలితా_సహస్ర_నామములు-_1-100 | 17 | 9.88 |
| http://te.wikipedia.org/wiki/విష్ణువు_వేయి_నామములు-201-300 | 11 | 9.88 |
| http://te.wikipedia.org/wiki/విష్ణువు_వేయి_నామములు-1-100 | 17 | 9.67 |
| http://te.wikipedia.org/wiki/భారమితి | 15 | 9.64 |
| http://te.wikipedia.org/wiki/శ్రీ_గురు_రాఘవేంద్ర_చరితం | 13 | 9.64 |
| http://te.wikipedia.org/wiki/గాంధీ-ఇర్విన్_సంధి | 12 | 9.62 |
| http://te.wikipedia.org/wiki/చేమ_కుటుంబము | 15 | 9.60 |
| http://te.wikipedia.org/wiki/ఇంద్రుడు | 13 | 9.57 |
| http://te.wikipedia.org/wiki/వేదము_వేంకటరాయ_శాస్త్రి | 11 | 9.55 |
| http://te.wikipedia.org/wiki/బ్రిటిష్_సామ్రాజ్యము_భారతదేశమునుండి_నిష్క్రమించేనాటి_స్వదేశ_సంస్థానాధీశుల_నిర్ణయములు | 57 | 9.49 |
| http://te.wikipedia.org/wiki/వెంపరాల_సూర్యనారాయణ_శాస్త్రి | 13 | 9.46 |
| http://te.wikipedia.org/wiki/భర్తృహరి | 29 | 9.43 |
| http://te.wikipedia.org/wiki/ట్రాన్స్ఫార్మర్ | 17 | 9.41 |
| http://te.wikipedia.org/wiki/ప్రాణాయామం | 17 | 9.41 |
| http://te.wikipedia.org/wiki/స్ఫోటాయన_వ్యాకరణము | 18 | 9.41 |
| http://te.wikipedia.org/wiki/తిరువేంగడం | 31 | 9.40 |
| http://te.wikipedia.org/wiki/ఆదిత్య_హృదయం | 12 | 9.39 |
| http://te.wikipedia.org/wiki/పిరదౌసి_(కావ్య_సమీక్ష) | 51 | 9.39 |
| http://te.wikipedia.org/wiki/విశిష్టాద్వైతం | 28 | 9.38 |
| http://te.wikipedia.org/wiki/భగవద్గీత-ఆత్మసంయమ_యోగము | 11 | 9.37 |
| http://te.wikipedia.org/wiki/కన్నడ_సాహిత్యము | 23 | 9.36 |
| http://te.wikipedia.org/wiki/చార్లెస్_బాడిలేర్ | 13 | 9.36 |
In this subsection we replace average word length by average logarithmic word rank. The logarithm of the word rank is taken because we want to punish words of high ranks only moderately.
First table:
select source, count(distinct i_s.s_id) as cnt_s, round(avg(log(w.w_id-100)),2) as av from sources so, inv_so i_s, inv_w i, words w where so.so_id=i_s.so_id and i_s.s_id=i.s_id and i.w_id=w.w_id and w.w_id>100 group by source having cnt_s>10 order by av LIMIT 30;
6.4.2.1 Average word length for different sources
6.4.2.3 Sources consisting of many / few words with frequency 1
6.4.2.4 Sources with low / high average word length of rare words