การทำเหมืองเว็บ (Web mining) สามารถมองได้กว้างๆ ว่าเป็นการประยุกต์ใช้วิธีการทำเหมืองข้อมูลที่ปรับเปลี่ยนแล้วไปยังเว็บ ในขณะที่การทำเหมืองข้อมูลถูกนิยามว่าเป็นการประยุกต์ใช้อัลกอริทึมเพื่อค้นหารูปแบบบนข้อมูลที่มีโครงสร้างส่วนใหญ่ที่ฝังอยู่ในกระบวนการค้นพบความรู้
การทำเหมืองเว็บมีคุณสมบัติเฉพาะที่รองรับการรวบรวมหลายประเภทข้อมูล เว็บมีหลายด้านที่ให้แนวทางหลายอย่างสำหรับกระบวนการทำเหมือง เช่น หน้าเว็บที่มีข้อความ, หน้าเว็บเชื่อมต่อกันผ่านไฮเปอร์ลิงก์, และกิจกรรมผู้ใช้สามารถติดตามได้ผ่านบันทึกเซิร์ฟเวอร์เว็บ (web server logs)
จากข้อสังเกตเหล่านี้ เว็บก็ยังเป็นความท้าทายมหาศาลสำหรับการค้นพบทรัพยากรและความรู้ที่มีประสิทธิภาพ
เว็บมีขนาดใหญ่เกินไปสำหรับการจัดเก็บคลังข้อมูลและการทำเหมืองข้อมูลที่มีประสิทธิภาพ — ขนาดของเว็บอยู่ในระดับหลายร้อยเทราไบต์ และยังเติบโตอย่างรวดเร็ว องค์กรและสังคมหลายแห่งวางข้อมูลเข้าถึงได้สาธารณะบนเว็บ อาจเหมาะสมที่จะจัดตั้งคลังข้อมูลเพื่อจำลอง, จัดเก็บ, หรือรวมข้อมูลบางส่วนบนเว็บ
ความซับซ้อนของหน้าเว็บสูงกว่าชุดเอกสารข้อความแบบดั้งเดิมอย่างมาก — หน้าเว็บขาดโครงสร้างที่เป็นเอกลักษณ์ มีสไตล์การแต่งและความหลากหลายของเนื้อหามากกว่าชุดหนังสือหรือเอกสารข้อความแบบดั้งเดิมอย่างมาก
เว็บถูกจัดการเป็นห้องสมุดดิจิทัลขนาดใหญ่ อย่างไรก็ตาม จำนวนบันทึกมหาศาลในห้องสมุดนี้ไม่ได้จัดเรียงตามลำดับที่จัดเรียงเฉพาะเจาะจง ไม่มีดัชนีตามธง, ไม่มีชื่อเรื่อง, ผู้เขียน, หน้าปก, สารบัญ ฯลฯ การค้นหาข้อมูลที่ต้องการในห้องสมุดแบบนี้อาจเป็นเรื่องท้าทายมาก
เว็บเป็นแหล่งข้อมูลที่ไดนามิกสูง — ไม่เพียงแต่เว็บเติบโตอย่างรวดเร็ว ข้อมูลของมันก็อัปเดตอยู่ตลอดเวลา ข่าว, ตลาดหุ้น, สภาพอากาศ, กีฬา, ช้อปปิ้ง, โฆษณาบริษัท, และหน้าเว็บอื่นๆ อีกมากมาย ถูกอัปเดตเป็นประจำบนเว็บ ข้อมูลลิงก์และบันทึกการเข้าถึงก็อัปเดตบ่อยเช่นกัน
เว็บให้บริการชุมชนผู้ใช้ที่หลากหลายมาก — อินเทอร์เน็ตปัจจุบันเชื่อมต่อเวิร์กสเตชันมากกว่า 100 ล้านเครื่อง และชุมชนผู้ใช้ยังขยายตัวอย่างรวดเร็ว ผู้ใช้อาจมีพื้นหลัง, ความสนใจ, และเป้าหมายการใช้งานที่หลากหลาย ผู้ใช้บางคนอาจไม่มีความรู้ที่ดีที่สุดเกี่ยวกับโครงสร้างเครือข่ายข้อมูล และไม่คุ้นเคยกับต้นทุนมหาศาลของการค้นหาเฉพาะเจาะจง พวกเขาอาจหลงทางง่ายๆ โดยการลองทดลองใน "ความมืด" ของเครือข่าย หรือเบื่อหน่ายจากการ "กระโดด" (hops) เข้าถึงหลายครั้ง และรอข้อมูลชิ้นหนึ่งอย่างไม่อดทน
