มีงานหลายอย่างของการทำเหมืองลิงก์ ดังนี้:
การจัดประเภทวัตถุแบบลิงก์ (Link-based object classification) — ในแนวทางจัดประเภทแบบดั้งเดิม วัตถุถูกจัดประเภทจากแอตทริบิวต์ที่กำหนดพวกเขา การจัดประเภทแบบลิงก์ทำนายหมวดหมู่ของวัตถุไม่ได้จากแค่แอตทริบิวต์ของมัน แต่ยังจากลิงก์ของมัน และแอตทริบิวต์ของวัตถุที่เชื่อมโยง การจัดประเภทหน้าเว็บ (Web page classification) เป็นตัวอย่างที่รู้จักดี ทำนายการจัดประเภทหน้าเว็บจากคำที่ปรากฏ (คำที่ปรากฏบนหน้า) และ anchor text (คำในไฮเปอร์ลิงก์) ทั้งคู่ทำหน้าที่เป็นแอตทริบิวต์ อีกทั้งการจัดประเภทยังขึ้นอยู่กับลิงก์ระหว่างหน้าและแอตทริบิวต์อื่นๆ ของหน้าและลิงก์
การทำนายประเภทวัตถุ (Object type prediction) — ทำนายประเภทของวัตถุจากแอตทริบิวต์และลิงก์ของมัน และแอตทริบิวต์ของวัตถุที่เชื่อมโยง ในโดเมน bibliography อาจต้องการทำนายประเภทสถานที่ตีพิมพ์ของงานตีพิมพ์ว่าเป็น conference, journal, หรือ workshop ในโดเมนการติดต่อ งานเดียวกันคือทำนายว่าการติดต่อเป็นอีเมล, โทรศัพท์, หรือจดหมาย
การทำนายประเภทลิงก์ (Link type prediction) — ทำนายประเภทหรือเป้าหมายของลิงก์จากคุณสมบัติของวัตถุที่เกี่ยวข้อง ตัวอย่างข้อมูลระบาดวิทยา อาจพยายามทำนายว่าสองคนที่รู้จักกันเป็นสมาชิกครอบครัว, เพื่อนร่วมงาน, หรือเพื่อนรู้จัก
การทำนายความมีอยู่ของลิงก์ (Predicting link existence) — ต่างจากการทำนายประเภทลิงก์ที่รู้ว่ามีการเชื่อมต่ออยู่และต้องทำนายประเภท แต่ต้องการทำนายว่ามีลิงก์ระหว่างสองวัตถุหรือไม่ ตัวอย่างรวมถึงการทำนายว่าจะมีลิงก์ระหว่างสองหน้าเว็บหรือไม่ และว่าบทความจะอ้างอิงอีกบทความหนึ่งหรือไม่
การประมาณค่าคาร์ดินัลลิตีของลิงก์ (Link cardinality estimation) — มีสองรูปแบบ: ข้อแรก ทำนายจำนวนลิงก์ไปยังวัตถุ นี้มีประโยชน์ เช่น ทำนายความน่าเชื่อถือของหน้าเว็บจากจำนวนลิงก์เข้า (in-links) ทำนาย out-links หลายตัวใช้ระบุหน้าเว็บที่ทำหน้าที่เป็น hubs โดย hub คือหน้าหนึ่งหรือชุดหน้าที่ชี้ไปยังหน้าที่มีอำนาจมากของกรณีเดียวกัน
การปรับให้วัตถุสอดคล้อง (Object reconciliation) — ทำนายว่าสองวัตถุเป็นวัตถุเดียวกันจริงๆ จากแอตทริบิวต์และลิงก์ งานนี้พบได้ทั่วไปในการแยกข้อมูล, กำจัดซ้ำ, รวมวัตถุ, เชื่อมโยงการอ้างอิง เรียกอีกอย่างว่า record linkage หรือ identity uncertainty
