Find related topics. | Discover entities. | See connections. | Build a topical map.
Building topical map: Starting…
Herbář: Historie, Rozdělení & Overview
Herbář neboli bylinář je soubor herbářových položek. Může být tvořen sušenými rostlinami, sušenými semeny a plody, fotografiemi rostlin, plody naloženými v lihu, atd. Zásadní součástí každé položky je etiketa obsahující zásadní informace o datu a místu sběru, název rostliny, název herbáře a kdo položku sebral popř. určil. Při revizi herbáře odborníkem se…
Use the mouse wheel or two fingers (on touchscreens) to zoom in and out of the map.
More settings
Herbář topic overview
The analysis highlights Historie, Rozdělení and Overview as prominent areas in the source structure around Herbář.
Related topics
68
Source areas
5
Connected nodes
73
Extracted relationships
50
Concept neighborhoods
18
Bridge connections
73
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.
Historie · 27 topics
Overview · 18 topics
Rozdělení · 18 topics
Herbáře · 4 topics
Odkazy · 1 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.
Explore all related topics Closing gaps
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 Herbář 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 Herbář shows recurring relationship patterns in the source. For example, Herbář → Aventina, Bylinář Pietra Andrea Mattioliho, Carl Linné, Filipín, Hájku, Jana Františka Bečovského, Jiřího Camela, Jiřím Melantrichem, Klatovska Jana Nepomuka Boháče, Nejstarší, Od, Petra Simona Pallase, Praze, První, Prvním, Sibiře, Slovo, Tadeášem Hájkem, Tento, Zprvu Another extracted example is Herbář → Bývají, Dělí, Filatelistický, Fotografický, Jedná, Kvůli, Nevýhodou, Obálky, Pravdou, Sbírka, Styčná, Tradičním, Užívá, Výhodou, Zachycuje, Zde. Use these groups to spot repeated connection types before inspecting the individual relationships.
Herbář
Top relations
related to Historie· 20
Herbář → Aventina, Bylinář Pietra Andrea Mattioliho, Carl Linné, Filipín, Hájku, Jana Františka Bečovského, Jiřího Camela, Jiřím Melantrichem, Klatovska Jana Nepomuka Boháče, Nejstarší, Od, Petra Simona Pallase, Praze, První, Prvním, Sibiře, Slovo, Tadeášem Hájkem, Tento, Zprvu
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 50 structured relationships around Herbář. Examples in this analysis include Herbář → related to Externí odkazy → Obrázky and Herbář → related to Externí odkazy → Wikimedia CommonsHerbář. The table shows each extracted connection, where it came from and its confidence.
Subject
Predicate
Object
Confidence
Src
Herbář
related to Externí odkazy
Obrázky
0.60
section
Herbář
related to Externí odkazy
Wikimedia CommonsHerbář
0.60
section
Herbář
related to Externí odkazy
TDKIV
0.60
section
Herbář
related to Externí odkazy
Seznam
0.60
section
Herbář
related to Externí odkazy
Archivováno
0.60
section
Herbář
related to Externí odkazy
Wayback Machine
0.60
section
Herbář
related to Herbáře
Každý
0.60
section
Herbář
related to Herbáře
Seznam
0.60
section
Herbář
related to Herbáře
Index
0.60
section
Herbář
related to Herbáře
Některé
0.60
section
Herbář
related to Historie
Slovo
0.60
section
Herbář
related to Historie
Zprvu
0.60
section
No triples extracted yet.
Related concept clusters Concept neighborhoods
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 Herbář bring nearby vocabulary together. In this analysis, examples include Filipín, Muzea and Herbářových. Use the clusters to find adjacent concepts and terminology that may deserve separate research.
Herbář
Filipín
Muzea
Herbářových
První
Obsahující
Rostlin
Položek
Jana
Herbáře
Kniha
Roku
České
herbář
Filipín
Muzea
Herbářových
První
Obsahující
Rostlin
Položek
Jana
Herbáře
Kniha
Roku
České
bečovského herbář
Filipín
Muzea
Herbářových
První
Obsahující
Rostlin
Položek
Jana
Herbáře
Kniha
Roku
České
boháčův herbář
Filipín
Muzea
Herbářových
První
Obsahující
Rostlin
Položek
Jana
Herbáře
Kniha
Roku
České
haenkeho herbář
Filipín
Muzea
Herbářových
První
Obsahující
Rostlin
Položek
Jana
Herbáře
Kniha
Roku
České
herbář aneb bylinář
Filipín
Muzea
Herbářových
První
Obsahující
Rostlin
Položek
Jana
Herbáře
Kniha
Roku
České
herbář národního muzea
Filipín
Muzea
Roku
Herbářových
První
Obsahující
Rostlin
Položek
Jana
Herbáře
Rostliny
Kniha
herbář karlovy univerzity
Filipín
Muzea
Herbářových
První
Obsahující
Rostlin
Položek
Jana
Herbáře
Kniha
Roku
České
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 Herbář, one of the stronger structural bridges in this analysis connects Herbář with Historie. 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.
Herbář
Nodes74
Edges73
Triples50
Avg. degree1.97
Density0.027027
Components1
Source & methodology
TTTA analyzes the structure around Herbář to surface related topics, entities, relationships, concept neighborhoods and bridge connections. Use the map to explore areas such as Historie, Rozdělení & Overview, including less central topics that may reveal useful research gaps. Automatically extracted connections are research leads rather than rewritten encyclopedia content.
