Waffen-SS (česky Zbraně SS, respektive Ozbrojené SS) byly jednotky SS, určené k běžným vojenským operacím. Šlo o zvláštní německé a cizinecké jednotky nacistických ozbrojených sil, jež však nebyly součástí pravidelné německé armády. Na konci války Waffen-SS zahrnovaly přibližně 950 000 mužů, většinou dobrovolníků. Byly vedeny Heinrichem Himmlerem.…
Use the mouse wheel or two fingers (on touchscreens) to zoom in and out of the map.
More settings
Waffen-SS topic overview
The analysis highlights Charakteristika, Nasazení and Přehled divizí Waffen-SS as prominent areas in the source structure around Waffen-SS.
Related topics
188
Source areas
7
Connected nodes
195
Extracted relationships
204
Related term clusters
43
Bridge connections
195
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.
Charakteristika · 66 topics
Přehled divizí Waffen-SS · 66 topics
Nasazení · 26 topics
Historie · 12 topics
Po válce · 7 topics
Overview · 6 topics
Odkazy · 5 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.
You can skip this section if you’re here for content ideas and keyword inspiration.
Advanced semantic analysis
How Waffen-SS 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 Waffen-SS shows recurring relationship patterns in the source. For example, Waffen-SS → Albánci, Ardenách, Arméni, Azovskému, Balkán, Barbarossa, Berlichingen, Berlichingen18, Brjansku, Böhmen, Böhmen-Mahren, Během, Bělorusku, Bělorusové, Běžným, Charkov, Charkova, Chorvatska, Chorvatsku, Distomo Another extracted example is Waffen-SS → Adolfa Hitlera, Dietrich, Ernst Röhm, Heinrich Himmler, Heinrichem Himmlerem, Hitler, Hitlerovu, Hitlerovy, Jednotka, Josef, Leibstandarte SS Adolf Hitler, NSDAP, Německa, Po Röhmově, Reichswehr, SA, Sepp, SS, Vyvinuli, Základem. Use these groups to spot repeated connection types before inspecting the individual relationships.
Waffen-SS → Adolfa Hitlera, Dietrich, Ernst Röhm, Heinrich Himmler, Heinrichem Himmlerem, Hitler, Hitlerovu, Hitlerovy, Jednotka, Josef, Leibstandarte SS Adolf Hitler, NSDAP, Německa, Po Röhmově, Reichswehr, SA, Sepp, SS, Vyvinuli, Základem
related to Charakteristika· 15
Waffen-SS → Freikorps, Himmlerem, Hitler, Hitlera, Hitlerova, Hitlerovu, Hitlerovy, Leibstandarte SS Adolf Hitler, NSDAP, Později, SchutzStaffel, SS, SS-Panzer Division, Stávali, Většina
related to Po válce· 9
Waffen-SS → Bývalí, HIAG, Kurt Meyer, Německa, Německo, Sepp Dietrich, SS, Veteráni Waffen-SS, Změna
Existence· 1
Waffen-SS → 17. března 1933 – 8. května 1945
Motto· 1
Waffen-SS → „Meine Ehre heißt Treue“ („mou ctí je věrnost“)
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 204 structured relationships around Waffen-SS. Examples in this analysis include Waffen-SS → Existence → 17. března 1933 – 8. května 1945 and Waffen-SS → Motto → „Meine Ehre heißt Treue“ („mou ctí je věrnost“). The table shows each extracted connection, where it came from and its confidence.
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 Waffen-SS bring nearby vocabulary together. In this analysis, examples include Zejména, Součástí and Bojů. Use the clusters to find adjacent concepts and terminology that may deserve separate research.
ss
Divize
Granátníků
Der
Nr
Dobrovolnická
Waffen-grenadier-division
Tanková
Pancéřových
Horská
Ss-panzer-division
Jednotky
Roce
1. ss-panzer division „leibstandarte ss adolf hitler“
Divize
Leibstandarte
Granátníků
Der
Nr
Dobrovolnická
Waffen-grenadier-division
Tanková
Pancéřových
Bojů
Příslušníci
Války
2. tanková divize ss „das reich“
Divize
Ss
Granátníků
Der
Dobrovolnická
Nr
Pancéřových
Tanková
Waffen-grenadier-division
Horská
Ss-panzer-division
Jednotky
12. tanková divize ss „hitlerjugend“
Divize
Ss
Granátníků
Der
Dobrovolnická
Nr
Pancéřových
Tanková
Waffen-grenadier-division
Horská
Ss-panzer-division
Jednotky
18. dobrovolnická divize tankových granátníků ss „horst wessel“
Divize
Ss
Granátníků
Pancéřových
Der
Dobrovolnická
Nr
Tanková
Waffen-grenadier-division
Horská
Proti
Ss-panzer-division
36. granátnická divize ss
Divize
Ss
Granátníků
Der
Dobrovolnická
Nr
Pancéřových
Tanková
Waffen-grenadier-division
Horská
Ss-panzer-division
Jednotky
lotyšské divize ss
Divize
Ss
Granátníků
Der
Dobrovolnická
Nr
Pancéřových
Tanková
Waffen-grenadier-division
Horská
Ss-panzer-division
Jednotky
1. ss-panzer-division leibstandarte ss adolf hitler
Tanková
Divize
Leibstandarte
Granátníků
Der
Totenkopf
Nr
Dobrovolnická
Waffen-grenadier-division
Pancéřových
Bojů
Příslušníci
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 Waffen-SS, one of the stronger structural bridges in this analysis connects Waffen-SS with Charakteristika. 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.
Waffen-SS
Nodes196
Edges195
Triples204
Avg. degree1.99
Density0.010204
Components1
Source & methodology
TTTA analyzes the structure around Waffen-SS to surface related topics, entities, relationships, concept neighborhoods and bridge connections. Use the map to explore areas such as Charakteristika, Nasazení & Přehled divizí Waffen-SS, including less central topics that may reveal useful research gaps. Automatically extracted connections are research leads rather than rewritten encyclopedia content.
