Die Suche oder Zuordnung von Informationsobjekten erfolgt häufig aufgrund von Ähnlichkeitsmassen. Beispielsweise kann die Ähnlichkeit von zwei Dokumenten aufgrund der Übereinstimmung der darin enthaltenen Keywords gemessen werden. Keywords wiederum können mit gängigen Techniken aus Dokumenten extrahiert werden. Bei dieser Vorgehensweise sind verschiedene Bereinigungen notwendig, z. B. das Ausfiltern von Nicht-Keywords oder die Höhergewichtung einer Übereinstimmung bei selten verwendeten Begriffen.
Daneben kann die Ähnlichkeit von Dokumenten basierend auf expliziten Zuordnungen gemessen werden, z. B. mittels manuell vergebener Tags oder Zuordnungen untereinander bzw. mittels spezifischer Datenstrukturen (z.B. Dossiers, Themenbäume, Navigationspfade). Beispielweise kann eine Ähnlichkeit aufgrund der Weglänge in einem Graphen bestimmt werden, der aus den bestehenden Verknüpfungen von Informationsobjekten abgeleitet wird. Darüber hinaus kann es sinnvoll sein, verschiedene dieser Ähnlichkeitsmasse miteinander zu kombinieren.
Ähnlichkeitsmasse können verwendet werden, um neue Informationsobjekte (z. B. Dokumente) bestehenden (z. B. Dossiers) zuzuordnen. Mittels weiterer Techniken wie z. B. dem Clustering können Gruppen von einander ähnlichen Informationsobjekten automatisch generiert werden. Ferner können Regeln in Bezug auf die Zuordnung von Informationsobjekten gelernt werden. Dabei können unter anderem verschiedene graphenbasierte Methoden angewendet werden.
Ein weiterer grundsätzlicher Ansatz zur Unterstützung des Information Retrieval besteht in der Nutzung transaktionsbezogener Daten. Mittels historischer Informationen z. B. über die Zugriffshäufigkeit auf Informationsobjekte lassen sich diese hinsichtlich ihrer Relevanz besser beurteilen (beispielsweise für die Darstellung in einer Tag-Cloud). Auch ist es so möglich, Informationen personalisiert aufzubereiten.