Find related topics. | Discover entities. | See connections. | Build a topical map.
Půlmaraton: Vývoj světového rekordu, Odkazy & Regenerace po půlmaratonu
Půlmaraton je běžecký závod na vzdálenost 21,0975 km (někdy zaokrouhleno na 21,1 km), což je přesně polovina délky maratonského běhu. Běhá se mimo dráhu, po silnicích nebo cestách. Je to populární závod pro relativní amatéry – je sice dostatečně dlouhý, aby byl vážnou výzvou, ale nevyžaduje takovou úroveň tréninku jako na celý maraton. Vzhledem k této…
Use the mouse wheel or two fingers (on touchscreens) to zoom in and out of the map.
More settings
Půlmaraton topic overview
The analysis highlights Vývoj světového rekordu, Odkazy and Regenerace po půlmaratonu as prominent areas in the source structure around Půlmaraton.
Related topics
33
Source areas
5
Connected nodes
38
Extracted relationships
42
Related term clusters
17
Bridge connections
38
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.
Vývoj světového rekordu · 18 topics
Overview · 7 topics
Odkazy · 4 topics
Regenerace po půlmaratonu · 3 topics
Příprava na půlmaraton · 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.
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 Půlmaraton 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 Půlmaraton shows recurring relationship patterns in the source. For example, Půlmaraton → Brigid Kosgeiová, Elana Meyerová, Etiopie, Florence Kiplagatová, Grete Waitzová, Hranici, Ingrid Kristiansenová, JAR, Joan Benoitová, Joyciline Jepkosgeiová, Keňa, Letesenbet Gideyová, Lornah Kiplagatová, Mary Keitanyová, Nizozemsko, Norka Waitzová, Norsko, Německo, Peres Jepchirchirová, Praha Another extracted example is Půlmaraton → Abraham Kiptum, Eritrea, Etiopie, Geoffrey Kipsang Kamworor, Haile Gebrselassie, Hranici, Jacob Kiplimo, Keňa, Keňan Tanui, Kibiwott Kandie, Moses Tanui, Paul Tergat, Samuel Wanjiru, Uganda, Yomif Kejelcha, Zersenay Tadese. Use these groups to spot repeated connection types before inspecting the individual relationships.
Půlmaraton
Top relations
related to Ženy· 23
Půlmaraton → Brigid Kosgeiová, Elana Meyerová, Etiopie, Florence Kiplagatová, Grete Waitzová, Hranici, Ingrid Kristiansenová, JAR, Joan Benoitová, Joyciline Jepkosgeiová, Keňa, Letesenbet Gideyová, Lornah Kiplagatová, Mary Keitanyová, Nizozemsko, Norka Waitzová, Norsko, Německo, Peres Jepchirchirová, Praha
related to Muži· 16
Půlmaraton → Abraham Kiptum, Eritrea, Etiopie, Geoffrey Kipsang Kamworor, Haile Gebrselassie, Hranici, Jacob Kiplimo, Keňa, Keňan Tanui, Kibiwott Kandie, Moses Tanui, Paul Tergat, Samuel Wanjiru, Uganda, Yomif Kejelcha, Zersenay Tadese
related to Příprava na půlmaraton· 3
Půlmaraton → Elitní, Nejméně, Zásadní
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.
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 42 structured relationships around Půlmaraton. Examples in this analysis include Půlmaraton → related to Muži → Hranici and Půlmaraton → related to Muži → Keňan Tanui. The table shows each extracted connection, where it came from and its confidence.
Subject
Predicate
Object
Confidence
Src
Půlmaraton
related to Muži
Hranici
0.60
section
Půlmaraton
related to Muži
Keňan Tanui
0.60
section
Půlmaraton
related to Muži
Moses Tanui
0.60
section
Půlmaraton
related to Muži
Keňa
0.60
section
Půlmaraton
related to Muži
Paul Tergat
0.60
section
Půlmaraton
related to Muži
Samuel Wanjiru
0.60
section
Půlmaraton
related to Muži
Haile Gebrselassie
0.60
section
Půlmaraton
related to Muži
Etiopie
0.60
section
Půlmaraton
related to Muži
Zersenay Tadese
0.60
section
Půlmaraton
related to Muži
Eritrea
0.60
section
Půlmaraton
related to Muži
Abraham Kiptum
0.60
section
Půlmaraton
related to Muži
Geoffrey Kipsang Kamworor
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 Půlmaraton bring nearby vocabulary together. In this analysis, examples include Archivováno, Praha and Rekordu. Use the clusters to find adjacent concepts and terminology that may deserve separate research.
Půlmaraton
Archivováno
Praha
Rekordu
Rekordy
Km
Půlmaratonu
Gideyová
Letesenbet
Maraton
Někdy
Poprvé
Roce
půlmaraton
Archivováno
Praha
Rekordu
Rekordy
Km
Půlmaratonu
Gideyová
Letesenbet
Maraton
Někdy
Poprvé
Roce
pražský půlmaraton
Archivováno
Praha
Rekordu
Rekordy
Km
Půlmaratonu
Gideyová
Letesenbet
Maraton
Někdy
Poprvé
Roce
příprava na půlmaraton
Archivováno
Praha
Rekordu
Rekordy
Km
Půlmaratonu
Gideyová
Letesenbet
Maraton
Někdy
Poprvé
Roce
regenerace po půlmaratonu
Poprvé
Roce
Tanui
Hranici
Atén
Marathónu
Řeckého
Archivováno
Rekordu
Rekordy
Spánek
Waitzová
grete waitzová
Gideyová
Letesenbet
Poprvé
Praha
Rekordu
Roce
Tanui
Hranici
Km
Min
Tedy
Půlmaratonu
letesenbet gideyová
Gideyová
Letesenbet
Hod
Praha
Rekordu
Waitzová
Ženy
Km
Min
Tedy
Půlmaraton
vývoj světového rekordu
Poprvé
Rekordy
Roce
Tanui
Waitzová
Ženy
Hranici
Min
Tedy
Regenerace
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 Půlmaraton, one of the stronger structural bridges in this analysis connects Půlmaraton with Vývoj světového rekordu. 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
Půlmaraton — Vývoj světového rekordu· splits 20 ⟂ 19Půlmaraton — Overview· splits 31 ⟂ 8Půlmaraton — Odkazy· splits 34 ⟂ 5Půlmaraton — Regenerace po půlmaratonu· splits 35 ⟂ 4
Map overview Semantic statistics
Number of nodes, edges, triples, density and central hubs. Use it to gauge the size and connectivity of the map.
Půlmaraton
Nodes39
Edges38
Triples42
Avg. degree1.95
Density0.051282
Components1
Source & methodology
TTTA analyzes the structure around Půlmaraton to surface related topics, entities, relationships, concept neighborhoods and bridge connections. Use the map to explore areas such as Vývoj světového rekordu, Odkazy & Regenerace po půlmaratonu, including less central topics that may reveal useful research gaps. Automatically extracted connections are research leads rather than rewritten encyclopedia content.
