智能檢索或知識檢索
傳統的全文檢索技術基於關鍵詞匹配進行檢索，往往存在查不全、查不準、檢索質量不高的現象，特別是在網絡信息時代，利用關鍵詞匹配很難滿足人們檢索的要求。智能檢索利用分詞詞典、同義詞典，同音詞典改善檢索效果，比如用戶查詢“計算機”，與“電腦”相關的信息也能檢索出來；進壹步還可在知識層面或者說概念層面上輔助查詢，通過主題詞典、上下位詞典、相關同級詞典，形成壹個知識體系或概念網絡，給予用戶智能知識提示，最終幫助用戶獲得最佳的檢索效果，比如用戶可以進壹步縮小查詢範圍至“微機”、“服務器”或擴大查詢至“信息技術”或查詢相關的“電子技術”、“軟件”、“計算機應用”等範疇。另外，智能檢索還包括歧義信息和檢索處理，如“蘋果”，究竟是指水果還是電腦品牌，“華人”與“中華人民***和國”的區分，將通過歧義知識描述庫、全文索引、用戶檢索上下文分析以及用戶相關性反饋等技術結合處理，高效、準確地反饋給用戶最需要的信息。知識挖掘
主要指文本挖掘技術的發展，目的是幫助人們更好的發現、組織、表示信息，提取知識，滿足信息檢索的高層次需要。知識挖掘包括摘要、分類（聚類）和相似性檢索等方面。
自動摘要就是利用計算機自動地從原始文獻中提取文摘。在信息檢索中，自動摘要有助於用戶快速評價檢索結果的相關程度，在信息服務中，自動摘要有助於多種形式的內容分發，如發往PDA、手機等。相似性檢索技術基於文檔內容特征檢索與其相似或相關的文檔，是實現用戶個性化相關反饋的基礎，也可用於去重分析。自動分類可基於統計或規則，經過機器學習形成預定義分類樹，再根據文檔的內容特征將其歸類；自動聚類則是根據文檔內容的相關程度進行分組歸並。自動分類（聚類）在信息組織、導航方面非常有用。
異構信息整合檢索和全息檢索
在信息檢索分布化和網絡化的趨勢下，信息檢索系統的開放性和集成性要求越來越高，需要能夠檢索和整合不同來源和結構的信息，這是異構信息檢索技術發展的基點，包括支持各種格式化文件，如TEXT、HTML、XML、RTF、MS Office、PDF、PS2/PS、MARC、ISO2709等處理和檢索；支持多語種信息的檢索；支持結構化數據、半結構化數據及非結構化數據的統壹處理；和關系數據庫檢索的無縫集成以及其他開放檢索接口的集成等。所謂“全息檢索”的概念就是支持壹切格式和方式的檢索，從實踐來講，發展到異構信息整合檢索的層面，基於自然語言理解的人機交互以及多媒體信息檢索整合等方面尚有待取得進壹步突破。
另外，從工程實踐角度，綜合采用內存和外部存儲的多級緩存、分布式群集和負載均衡技術也是信息檢索技術發展的重要方面。
隨著互聯網的普及和電子商務的發展，企業和個人可獲取、需處理的信息量呈爆發式增長，而且其中絕大部分都是非結構化和半結構化數據。內容管理的重要性日益凸現，而信息檢索作為內容管理的核心支撐技術，隨著內容管理的發展和普及，亦將應用到各個領域，成為人們日常工作生活的密切夥伴。