随着信息存储与处理技术以及互联网与万维网的发展，我们可以获取的信息总量呈现爆炸性增长的趋势。例如，可以访问的URL数目据估计超过2000亿，淘宝购物平台上的商品数目超过8亿，亚马逊上有超过100万本图书，Youtube上有上亿视频，网狸上有超过3万部电影电视剧……与此同时，我们处理信息的能力却没有相应的增长——且不说仔细分析评判所有可以获取的信息并进行选择，但是读完相关的题目就是一件人力不可奢望的事情。可以说，在互联网时代，信息科学面临的最大挑战就是如何解决信息过载问题，也就是如果帮助普通用户获取他所感兴趣的信息。
信息挖掘是极有希望推动并最终解决信息过载问题的关键方法。从广义上说，信息挖掘包括两个部分：一是信息检索，二是信息发现。前者着力于将已经有的信息以一种更好的方式进行组成，并以更易于理解和获取的方式展现给用户。最典型的技术就是搜索引擎，当用户输入搜索词后，搜索引擎返回URL按照相关紧密程度的一个排序。相比在>500亿网页中盲目寻找，搜索引擎的作用显而易见。信息发现则是通过分析，自动地推断一些可能的关联，这种关联本身可以看作新的信息。推荐引擎是一个典型的例子，它自动记录和分析用户以前访问过的网页、购买过的商品等等，然后推断用户可能对某网页或某商品感兴趣（这个推断本身是一种新的关联信息，所以被称作信息发现），并将这个信息告诉用户（表现为将网页或者商品推荐给用户）。用户在没有收到推荐之前，很可能不知道被推荐对象的存在。搜索引擎是以被动的方式服务（需要用户输入搜索词），是对已知信息的再组织，推荐引擎是以主动的方式服务，是对未知信息的发现，两者共同组成了用户的信息导航器。我们经常忽悠的链路预测可以看作一部分图上的推荐。
