Find related topics. | Discover entities. | See connections. | Build a topical map.
Proti všem: Rozdělení románu, Děj & Charakteristika
Historický román Proti všem vydal Alois Jirásek roku 1893. Zachytil v něm navzájem se proplétající osudy několika lidí na pozadí významných dějinných událostí roku 1420 v českých zemích. Mistrně je zde vystižena atmosféra doby počátků husitských válek, postavy románu se historických událostí aktivně účastní. Název díla má vyjadřovat boj husitů proti všem…
Use the mouse wheel or two fingers (on touchscreens) to zoom in and out of the map.
More settings
Proti všem topic overview
The analysis highlights Rozdělení románu, Děj and Charakteristika as prominent areas in the source structure around Proti všem.
Related topics
70
Source areas
7
Connected nodes
77
Extracted relationships
72
Related term clusters
21
Bridge connections
77
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.
Děj · 28 topics
Rozdělení románu · 22 topics
Charakteristika · 6 topics
Overview · 6 topics
Zajímavosti · 6 topics
Dílo dostupné online · 1 topics
Vydání · 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.
Autor
Alois Jirásek
Jazyk
čeština
Tematické okruhy
Prozkoumejte skupiny témat propojených ve zdrojovém textu. Vyberte si libovolné téma; okruhy nemají určené pořadí.
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.
You can skip this section if you’re here for content ideas and keyword inspiration.
Advanced semantic analysis
How Proti všem 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 Proti všem shows recurring relationship patterns in the source. For example, Proti všem → Bukovska, Bydlínským, Cestou, Ctibor, Ctibora, Do Tábora, Husa, Hvozdna, Kánišem, Louňovického, Martou, Mezitím, Oldřich, Oldřichu, Ondřeje, Ondřejem, Podaří, Praze, Probošt, Pytlům Another extracted example is Proti všem → Březové, Dekretu, Dílo, Děj, Důležitým, Existuje, Jan Otto, Jirásek, Jiráskovi Husitská, Jiráskovy, Mindenki, Nyní, Prieš, Proti, Protiv, Próza Proti, Slavný, Tuto, Vavřince, Welt. Use these groups to spot repeated connection types before inspecting the individual relationships.
Proti všem
Top relations
related to Děj· 30
Proti všem → Bukovska, Bydlínským, Cestou, Ctibor, Ctibora, Do Tábora, Husa, Hvozdna, Kánišem, Louňovického, Martou, Mezitím, Oldřich, Oldřichu, Ondřeje, Ondřejem, Podaří, Praze, Probošt, Pytlům
related to Zajímavosti· 22
Proti všem → Březové, Dekretu, Dílo, Děj, Důležitým, Existuje, Jan Otto, Jirásek, Jiráskovi Husitská, Jiráskovy, Mindenki, Nyní, Prieš, Proti, Protiv, Próza Proti, Slavný, Tuto, Vavřince, Welt
related to Vydání· 12
Proti všem → Alois, Ilustroval Vlastimil Rada, JIRÁSEK, Praha, Praze, Proti, Práce, Práci, SNKLHU, Státním, Vlastimil Rada, Vybíráme
related to Dílo dostupné online· 6
Proti všem → Alois, Digitalizovaná, Dostupné, Otto, Praze, Proti
Autor· 1
Proti všem → Alois Jirásek
Jazyk· 1
Proti všem → čeština
Important terminology
Frequent words and multi-word phrases across the lead, headings, infobox and body. Useful for terminology coverage.
Use these terms to understand the vocabulary surrounding the topic, not as a checklist for keyword stuffing.
Proti všem relationships Subject–Predicate–Object triples
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 72 structured relationships around Proti všem. Examples in this analysis include Proti všem → Autor → Alois Jirásek and Proti všem → Jazyk → čeština. The table shows each extracted connection, where it came from and its confidence.
Subject
Predicate
Object
Confidence
Src
Proti všem
Autor
Alois Jirásek
1.00
infobox
Proti všem
Jazyk
čeština
1.00
infobox
Proti všem
related to Dílo dostupné online
Digitalizovaná
0.60
section
Proti všem
related to Dílo dostupné online
Proti
0.60
section
Proti všem
related to Dílo dostupné online
Alois
0.60
section
Proti všem
related to Dílo dostupné online
Praze
0.60
section
Proti všem
related to Dílo dostupné online
Otto
0.60
section
Proti všem
related to Dílo dostupné online
Dostupné
0.60
section
Proti všem
related to Děj
Probošt
0.60
section
Proti všem
related to Děj
Louňovického
0.60
section
Proti všem
related to Děj
Martou
0.60
section
Proti všem
related to Děj
Bukovska
0.60
section
No triples extracted yet.
Related concept clusters Related term clusters
Related term clusters 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 Proti všem bring nearby vocabulary together. In this analysis, examples include Všem, Díla and Jirásek. Use the clusters to find adjacent concepts and terminology that may deserve separate research.
Proti všem
Všem
Díla
Jirásek
Román
Roku
Alois
Husitů
Aktivně
Kněží
Setkává
Rožmberka
Zde
proti všem
Všem
Díla
Jirásek
Román
Roku
Alois
Zde
Husitů
Vydání
Aktivně
Kněží
Setkává
proti všem (film)
Všem
Díla
Jirásek
Román
Roku
Alois
Zde
Husitů
Vydání
Aktivně
Kněží
Setkává
tábora
Pomoc
Hrad
Rožmberka
Zde
Hvozdna
Praze
Ctibor
Kněží
Příběnice
Ondřej
Vojskem
Jako
bitvu na vítkově hoře
Hoře
Vítkově
Prahu
Vojskem
Román
Setkává
Praha
Probošt
Rožmberka
Pomoc
Tábor
Jako
vítkově hoře
Hoře
Vítkově
Prahu
Vojskem
Román
Setkává
Praha
Probošt
Rožmberka
Pomoc
Tábor
Jako
města
Jeho
Tábora
Hradu
Román
Vesnice
Zdena
Roku
Rožmberka
Zde
Zpět
Tábor
prahu
Hoře
Vojskem
Setkává
Vítkově
Probošt
Rožmberka
Tábor
Ondřej
Hvozdna
Ctibor
Jako
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 Proti všem, one of the stronger structural bridges in this analysis connects Proti všem with Děj. Bridges highlight paths between different parts of the map and can reveal research angles that are easy to miss in a flat list.
Min side: 3
Proti všem — Děj· splits 49 ⟂ 29Proti všem — Rozdělení románu· splits 55 ⟂ 23Proti všem — Overview· splits 71 ⟂ 7Proti všem — Charakteristika· splits 71 ⟂ 7Proti všem — Zajímavosti· splits 71 ⟂ 7
Map overview Semantic statistics
Number of nodes, edges, triples, density and central hubs. Use it to gauge the size and connectivity of the map.
Proti všem
Nodes78
Edges77
Triples72
Avg. degree1.97
Density0.025641
Components1
Source & methodology
TTTA analyzes the structure around Proti všem to surface related topics, entities, relationships, concept neighborhoods and bridge connections. Use the map to explore areas such as Rozdělení románu, Děj & Charakteristika, including less central topics that may reveal useful research gaps. Automatically extracted connections are research leads rather than rewritten encyclopedia content.
