Find related topics. | Discover entities. | See connections. | Build a topical map.
Building topical map: Starting…
Blatná: Historie, Městská správa & Rodáci a osobnosti
Blatná (německy Blatna) je město v okrese Strakonice v Jihočeském kraji. Své jméno získala od blat, mezi nimiž byla založena. Město je obklopeno pahorky, které na severu přecházejí v lesní masiv Brd. Soutokem Smolíveckého a Závišínského potoka zde začíná řeka Lomnice. Žije zde přibližně 6 700 obyvatel. Historické jádro města je městskou památkovou zónou.…
Use the mouse wheel or two fingers (on touchscreens) to zoom in and out of the map.
More settings
Blatná topic overview
The analysis highlights Historie, Městská správa and Rodáci a osobnosti as prominent areas in the source structure around Blatná.
Related topics
117
Source areas
9
Connected nodes
126
Extracted relationships
90
Concept neighborhoods
26
Bridge connections
126
What this topic covers Research coverage
Source areas are shown by the number of related topics found in each part of the analysis. Use smaller areas too: they can reveal specialized angles and content gaps.
Městská správa · 26 topics
Rodáci a osobnosti · 22 topics
Historie · 21 topics
Školství · 17 topics
Doprava · 9 topics
Overview · 9 topics
Pamětihodnosti · 5 topics
Partnerská města · 5 topics
Odkazy · 3 topics
Smaller areas are not necessarily less important. They contain fewer connections in this analysis and can be useful for finding specialized angles or coverage gaps.
Key facts & relationships
High-confidence facts extracted from structured source data. Use them as anchors for further research.
A structured outline of related entities, concepts and subtopics. Open any item to build a new map centered on it.
Browse the complete topic structure, not only the most central items. Less prominent entities and concepts can reveal missing angles, specialized context and useful research gaps. Each item opens a new analysis centered on that subject.
Deeper signals for content research, entity SEO and topical coverage. The plain-language headings explain what each technical view is useful for.
How Blatná connects Entity context
Entity context groups extracted connections by relationship type. Counts show recurrence in the analyzed source; the examples are research signals, not claims about importance.
The extracted context around Blatná shows recurring relationship patterns in the source. For example, Blatná → Archeologické, Blatnou, Blatné, Historické, Jaroslav Lev, Možná, Město, Nanebevzetí Panny Marie, Někdy, Plzní, Později, Prahou, První, Pískem, Rožmitálu, Strakonicemi, Už, Vyšemír, Václava Another extracted example is Blatná → Bezdědovice, Blatenka, Buzice, Chlum, Hněvkov, Jihočeský, Kožlí, Mačkov, Myštice, Obce, Plzeňský, Plzeňskýk, Praze, Skaličany, Strakonice, Státní, Vahlovice, Výšicek. Use these groups to spot repeated connection types before inspecting the individual relationships.
Blatná
Top relations
related to Historie· 19
Blatná → Archeologické, Blatnou, Blatné, Historické, Jaroslav Lev, Možná, Město, Nanebevzetí Panny Marie, Někdy, Plzní, Později, Prahou, První, Pískem, Rožmitálu, Strakonicemi, Už, Vyšemír, Václava
Relationships are represented as Subject → Predicate → Object triples. Confidence describes extraction strength, not the real-world importance of a relationship; lower-confidence rows may be contextual rather than explicit.
TTTA extracted 90 structured relationships around Blatná. Examples in this analysis include Blatná → Adresa městského úřadu → třída T. G. Masaryka 322 388 01 Blatná [email protected] and Blatná → Geodata (OSM) → OSM, WMF. The table shows each extracted connection, where it came from and its confidence.
Concept neighborhoods group terms that sit near one another in the extracted graph. They are useful for discovering adjacent language and context, but proximity does not by itself imply a factual relationship.
The concept neighborhoods around Blatná bring nearby vocabulary together. In this analysis, examples include Město, Strakonice and Století. Use the clusters to find adjacent concepts and terminology that may deserve separate research.
jaroslav lev z rožmitálu a na blatné
Blatnou
Roce
Střední
Ii
Vyučovalo
Ze
Škola
Později
Školy
Děti
První
Jan
Blatná
Město
Strakonice
Století
První
Města
Název
Obce
Domů
Ii
Josef
Blatné
Jan
blatná
Město
Strakonice
Století
První
Města
Název
Obce
Domů
Ii
Josef
Blatné
Jan
stanice blatná
Město
Strakonice
Století
První
Města
Název
Obce
Domů
Ii
Josef
Blatné
Jan
trať nepomuk–blatná
Město
Strakonice
Století
První
Města
Název
Obce
Domů
Ii
Josef
Blatné
Jan
město
Města
Strakonice
Ii
První
Jan
Obyvatel
Roku
Blatné
Jako
Blatnou
Domů
Josef
rudolfem ii.
Roku
Jako
Město
Obce
Střední
Budovy
Josef
Základní
První
Škola
Jan
Města
přemyslem otakarem ii.
Roku
Jako
Město
Obce
Střední
Budovy
Josef
Základní
První
Škola
Jan
Města
Connections between topic areas Semantic bridges
Semantic bridges connect parts of the graph that would otherwise be more separate. A bridge is a structural signal in this analysis, not a claim that the two topic areas are equivalent.
For Blatná, one of the stronger structural bridges in this analysis connects Blatná with Městská správa. Bridges highlight paths between different parts of the map and can reveal research angles that are easy to miss in a flat list.
Number of nodes, edges, triples, density and central hubs. Use it to gauge the size and connectivity of the map.
Blatná
Nodes127
Edges126
Triples90
Avg. degree1.98
Density0.015748
Components1
Source & methodology
TTTA analyzes the structure around Blatná to surface related topics, entities, relationships, concept neighborhoods and bridge connections. Use the map to explore areas such as Historie, Městská správa & Rodáci a osobnosti, including less central topics that may reveal useful research gaps. Automatically extracted connections are research leads rather than rewritten encyclopedia content.
