Ngày nay, sựphát triển nhanh chóng của mạng Internet và Intranet đã sinh ra một khối lượng khổng lồcác dữliệu dạng siêu văn bản (dữliệu Web). Trong những năm gần đây Intrnet đã trởthành một trong những kênh vềkhoa học, thông tin kinh tế, thương mại và quảng cáo. Một trong những lý do cho sựphát triển này là chi phí thấp đểduy trì một trang Web trên Internet. So sánh với những dịch vụkhác như đăng tin hay quảng cáo trên một tờbáo hay tạp chí, thì một trang Web “đòi” rẻhơn rất nhiều và cập nhật nhanh chóng hơn tới hàng triệu người dùng khắp mọi nơi trên thếgiới. Có thểnói Internet nhưlà cuốn từ điển Bách khoa toàn thưvới nội dung và hình thức đa dạng. Nó nhưmột xã hội ảo, nó bao gồm các thông tin vềmọi mặt của đời sống kinh tế, xã hội được trình bày dưới dạng văn bản, hình ảnh, âm thanh . Tuy nhiên, Internet là một môi trường đa phương tiện động bao gồm sựkết hợp của các cơsởdữliệu không đồng nhất, các chương trình và các giao tiếp người dùng. Rõ ràng, khai phá dữliệu text chỉlà một lĩnh vực nhỏtrong môi trường này. Khai phá dữliệu trên Internet, hay thường được gọi là khai phá web ngoài việc cần khai phá được nội dung các trang văn bản, còn phải khai thác được các nguồn lực này cũng nhưmối quan hệgiữa chúng. Khai phá Web, sựgiao thoa giữa khai phá dữliệu và Word-Wide-Web, đang phát triển mạnh mẽvà bao gồm rất nhiều lĩnh vực nghiên Knowledge WWW