Khai thác dữ liệu không gian-thời gian (Spatiotemporal data mining) định nghĩa quá trình tìm mẫu và kiến thức từ dữ liệu không gian-thời gian. Ví dụ khai thác dữ liệu không gian-thời gian bao gồm tìm lịch sử phát triển của thành phố và đất đai, khám phá mẫu thời tiết, dự báo động đất và bão, và quyết định xu hướng biến đổi khí hậu toàn cầu.
Khai thác dữ liệu không gian-thời gian đã trở nên quan trọng và có hàm ý xa rộng, nhờ sự phổ biến của điện thoại di động, thiết bị GPS, dịch vụ bản đồ dựa trên Internet, dịch vụ thời tiết, Trái đất số (digital Earth), và công nghệ vệ tinh, RFID, cảm biến, không dây và video.
Trong nhiều loại dữ liệu không gian-thời gian, dữ liệu đối tượng chuyển động (moving-object data) quan trọng. Ví dụ, nhà khoa học động vật gắn thiết bị telemetry trên động vật hoang dã để nghiên cứu hành vi sinh thái, quản lý giao thông gắn GPS trong xe để giám sát và điều hướng xe tốt hơn, và chuyên gia khí tượng dùng vệ tinh và radar thời tiết để tìm bão.
Ví dụ khai thác dữ liệu đối tượng chuyển động như khai thác mẫu chuyển động của nhiều đối tượng chuyển động (tức là khám phá mối quan hệ giữa nhiều đối tượng chuyển động bao gồm cụm chuyển động, người dẫn đường và người theo sau, hợp nhất, đội hình, đàn, chốt, và các mẫu chuyển động tập thể khác).
Một hệ thống vật lý - mạng (cyber-physical system - CPS) thường bao gồm số lượng lớn thành phần vật lý và dữ liệu tương tác. Hệ thống CPS có thể được liên kết chéo để hình thành mạng vật lý - mạng lớn dị chất.
Ví dụ mạng vật lý - mạng bao gồm hệ thống chăm sóc bệnh nhân kết nối hệ thống giám sát bệnh nhân với mạng dữ liệu bệnh nhân và hệ thống quản lý khẩn cấp; hệ thống giao thông kết nối mạng giám sát giao thông bao gồm nhiều cảm biến và camera video với hệ thống dữ liệu và kiểm soát giao thông; và hệ thống chỉ huy chiến trường kết nối mạng cảm biến với hệ thống phân tích dữ liệu chiến trường.
Dữ liệu sinh ra trong hệ thống vật lý - mạng là mạnh mẽ, bùng nổ, nhiễu, không nhất quán và phụ thuộc lẫn nhau, bao gồm dữ liệu không gian-thời gian phong phú, và chúng thiết yếu cho ra quyết định thời gian thực.
Khai thác dữ liệu đa phương tiện (Multimedia data mining) là tìm các mẫu thú vị từ cơ sở dữ liệu đa phương tiện lưu trữ và quản lý tập hợp lớn đối tượng đa phương tiện, như dữ liệu hình ảnh, video, âm thanh, chuỗi dữ liệu và dữ liệu siêu văn bản bao gồm văn bản, đánh dấu văn bản và liên kết.
Khai thác dữ liệu đa phương tiện là lĩnh vực liên ngành kết hợp xử lý hình ảnh và nhận thức, thị giác máy tính, khai thác dữ liệu và nhận dạng mẫu. Có nhiều bài toán trong khai thác dữ liệu đa phương tiện liên quan đến truy xuất dựa trên nội dung và tìm kiếm tương đồng, và khái quát hóa và phân tích đa chiều. Cube dữ liệu đa phương tiện bao gồm nhiều chiều và đo lường hơn cho dữ liệu đa phương tiện.
Khai thác văn bản (Text mining) là ứng dụng liên ngành dựa trên truy xuất thông tin, khai thác dữ liệu, học máy, thống kê và ngôn ngữ học tính toán. Phần lớn dữ liệu được lưu dưới dạng văn bản bao gồm bài báo tin tức, bài báo khoa học, sách, thư viện số, email, blog và trang web.