การทำเหมืองข้อมูล (Data mining) เป็นกระบวนการค้นพบความสัมพันธ์ใหม่ที่มีความหมาย, รูปแบบ, และแนวโน้ม โดยการแยกแยะผ่านปริมาณข้อมูลมหาศาลที่จัดเก็บในที่เก็บข้อมูล โดยใช้เทคโนโลยีการรู้จักรูปแบบ รวมถึงเทคนิคทางสถิติและคณิตศาสตร์ เป็นการวิเคราะห์ชุดข้อมูลการสังเกตเพื่อค้นพบความสัมพันธ์ที่ไม่คาดคิด และสรุปบันทึกด้วยวิธีใหม่ที่เข้าใจง่ายและมีประโยชน์ต่อเจ้าของข้อมูล มีการประยุกต์ใช้การทำเหมืองข้อมูลหลากหลาย ดังนี้:
คลังข้อมูลและการเตรียมข้อมูลล่วงหน้า (Data warehouses and data preprocessing) — คลังข้อมูลจำเป็นสำหรับการแลกเปลี่ยนข้อมูลและการทำเหมืองข้อมูล แต่ในพื้นที่ข้อมูลภูมิศาสตร์ (geospatial) ยังไม่มีคลังข้อมูลภูมิศาสตร์ที่แท้จริง การสร้างคลังเช่นนี้ต้องหาวิธีแก้ไขความไม่เข้ากันได้ของข้อมูลภูมิศาสตร์และเวลา เช่น การประสานความหมาย, ระบบอ้างอิง, เรขาคณิต, ความแม่นยำ, และความละเอียด
สำหรับซอฟต์แวร์คณิตศาสตร์ทั่วไป ต้องการวิธีการรวมข้อมูลจากแหล่งที่หลากหลาย (รวมถึงข้อมูลครอบคลุมช่วงเวลาต่างกัน) และการระบุกิจกรรม สำหรับข้อมูลสภาพอากาศและระบบนิเวศ (ซึ่งเป็นเชิงพื้นที่และเวลา) ปัญหาคือมีเหตุการณ์มากเกินไปในโดเมนเชิงพื้นที่และน้อยเกินไปในโดเมนเวลา
การทำเหมืองประเภทข้อมูลที่ซับซ้อน (Mining complex data types) — ชุดข้อมูลทางวิทยาศาสตร์มีลักษณะ heterogeneous โดยทั่วไป มีข้อมูล semi-structured และ unstructured รวมถึงข้อมูลมัลติมีเดียและข้อมูลสตรีมที่อ้างอิงภูมิศาสตร์ ต้องการวิธีที่ทนทานสำหรับจัดการข้อมูล spatiotemporal, ลำดับชั้นแนวคิดที่เกี่ยวข้อง, และความสัมพันธ์ภูมิศาสตร์ที่ซับซ้อน (เช่น ระยะทาง non-Euclidian)
การทำเหมืองแบบกราฟ (Graph-based mining) — มักยากหรือเป็นไปไม่ได้ที่จะสร้างแบบจำลองปรากฏการณ์และกระบวนการทางกายภาพหลายอย่าง เนื่องจากข้อจำกัดของแนวทางการสร้างแบบจำลองที่มีอยู่ ทางเลือกคือใช้กราฟที่มีป้ายกำกับ (labeled graphs) เพื่อเอาชนะบางลักษณะเชิงพื้นที่, โครงสร้าง, เรขาคณิต, และความสัมพันธ์เชิงสัมพันธ์อื่นๆ ที่มีอยู่ในชุดข้อมูลตัวเลข
ในการสร้างแบบจำลองกราฟ ข้อมูลที่จะทำเหมืองแต่ละชิ้นถูกแทนด้วย vertex ในกราฟ และขอบระหว่าง vertices อธิบายความสัมพันธ์ระหว่างวัตถุ ตัวอย่าง กราฟสามารถใช้สร้างแบบจำลองโครงสร้างเคมีและข้อมูลที่สร้างโดยการจำลองตัวเลข เช่น การจำลองการไหลของของเหลว
ความสำเร็จของการสร้างแบบจำลองกราฟ แต่ขึ้นอยู่กับการปรับปรุงความสามารถในการขยายตัวและประสิทธิภาพของงานการทำเหมืองข้อมูลคลาสสิกหลายอย่าง เช่น การจัดประเภท, การทำเหมืองรูปแบบที่พบบ่อย, และการจัดกลุ่ม
เครื่องมือการแสดงภาพและความรู้เฉพาะโดเมน (Visualization tools and domain-specific knowledge) — ต้องการอินเทอร์เฟซผู้ใช้กราฟิกระดับสูงและเครื่องมือการแสดงภาพสำหรับระบบการทำเหมืองข้อมูลตัวเลข ต้องรวมกับระบบข้อมูลเฉพาะโดเมนและระบบฐานข้อมูลที่มีอยู่ เพื่อชี้นำนักวิจัยและผู้ใช้ทั่วไปในการค้นหารูปแบบ, ตีความและแสดงภาพรูปแบบที่ค้นพบ, และใช้ความรู้ที่ค้นพบในการตัดสินใจ
