Khai thác web là ứng dụng học máy (khai thác dữ liệu) cho dữ liệu dựa trên web nhằm mục đích học hoặc suy ra kiến thức. Phương pháp luận khai thác web có thể phân chia thành ba yếu tố riêng biệt:
Khai thác sử dụng Web (Web Usage Mining) – Loại khai thác web cho phép tập dữ liệu truy cập Web cho trang web. Dữ liệu sử dụng này hỗ trợ chỉ dẫn dẫn đến trang web được truy cập.
Dữ liệu này tự động thu thập vào nhật ký kết nối qua máy chủ web. Script CGI cung cấp dữ liệu hữu ích bao gồm nhật ký referrer, dữ liệu đăng ký người dùng, nhật ký khảo sát. Danh mục này thiết yếu cho việc dùng đầy đủ khai thác dữ liệu cho tổ chức và ứng dụng/truy cập dữ liệu dựa trên internet/intranet.
Khai thác sử dụng cho phép công ty tạo dữ liệu hiệu quả về tương lai sự hoạt động kinh doanh. Các dữ liệu khác có thể suy ra từ dữ liệu tập thể giá trị vòng đời người dùng, chiến lược cross-marketing sản phẩm, hiệu quả chiến dịch quảng cáo.
Dữ liệu sử dụng thu thập cung cấp cho tổ chức khả năng làm kết quả hiệu quả hơn cho kinh doanh và tăng cường doanh số. Bản ghi sử dụng cũng có lợi cho tạo kỹ năng marketing sẽ bán hơn đối thủ và nâng cao dịch vụ/sản phẩm công ty ở quy mô lớn hơn.
Khai thác cấu trúc Web (Web Structure Mining) – Công cụ nhận diện mối quan hệ giữa các trang web liên kết bởi dữ liệu hoặc kết nối liên kết trực tiếp. Thông tin cấu trúc này có thể khám phá bằng cách sắp xếp lược đồ cấu trúc web qua phương pháp database cho trang web.
Kết nối này cho phép công cụ tìm kiếm kéo bản ghi liên quan đến truy vấn tìm kiếm trực tiếp đến trang web kết nối từ trang web nội dung dựa trên. Hoàn thành qua cần thiết của spider duyệt trang web, lấy trang chủ, sau đó kết nối thông tin qua tham chiếu liên kết mang đến trang xác định bao gồm dữ liệu mong muốn.
Mục tiêu khai thác cấu trúc là suy ra mối quan hệ chưa biết trước giữa các trang web. Cấu trúc khai thác dữ liệu này hỗ trợ doanh nghiệp liên kết dữ liệu trang web để cho phép điều hướng và gom cụm dữ liệu thành sơ đồ trang web (site maps). Cho phép người dùng truy cập dữ liệu mong muốn qua quan hệ từ khóa và khai thác nội dung.
Khai thác nội dung Web (Web Content Mining) – Duyệt và khai thác văn bản, hình ảnh, đồ thị của trang web để quyết định độ liên quan của nội dung đến truy vấn tìm kiếm.
Duyệt này làm sau khi gom cụm trang web qua khai thác cấu trúc và hỗ trợ kết quả tùy thuộc mức độ liên quan đến truy vấn đề xuất. Với lượng lớn dữ liệu trên World Wide Web, khai thác nội dung hỗ trợ danh sách kết quả cho công cụ tìm kiếm theo thứ tự liên quan nhất đến từ khóa trong truy vấn.