智能检索以文献和检索词的相关度为基础，综合考查文献的重要性等指标，对检索结果进行排序，以提供更高的检索效率。智能检索的结果排序同时考虑相关性和重要性，相关性采用各字段加权混合索引，相关性分析更准确，重要性指通过对文献来源权威性分析和引用关系分析等实现对文献质量的评价，这样的结果排序更加准确，更能将与用户愿望最相关的文献排到最前面，提高检索效率。

通过神经网络模型，人工智能可以进行深度学习，即利用大量匹配的输入—输出值来训练计算机，使之自行发掘数据中的特征，从而借助Robot（如Spider、Crawler、Wander等）程序实现网页数据的自动采集、信息的特征提取和知识的获取。

智能检索系统还可以通过文档的自动摘要技术和相似性检索技术等手段为用户提供个性化服务。

自动摘要就是利用计算机自动地从原始文献中提取文摘。在信息检索中，自动摘要有助于用户快速评价检索结果的相关程度，在信息服务中，自动摘要有助于多种形式的内容分发，如发往PDA、手机等。

相似性检索技术基于文档内容特征检索与其相似或相关的文档，是实现用户个性化相关反馈的基础，也可用于去重分析。自动分类可基于统计或规则，经过机器学习形成预定义分类树，再根据文档的内容特征将其归类；自动聚类则是根据文档内容的相关程度进行分组归并。自动分类（聚类）在信息组织、导航方面非常有用