Actualmente la Web es el repositorio de información más grande y a la vez más dinámico del mundo. Por lo tanto es un desafío importante mejorar y desarrollar técnicas de recuperación y extracción de información de la Web. Esto implica distintos tipos de datos: texto, semi-estructurado, imágenes, audio, etc; y también aprovechar la estructura hipertextual de la Web y el comportamiento de las personas que queda registrado en las bitácoras de los servidores Web y de aplicaciones Web especí ficas como los buscadores.

Por lo tanto el ámbito de actividad incluye cualquier problema que permita entender mejor la Web, como aprovechar la información que contiene y facilitar el acceso a ella.