Термин «информационный поиск» был впервые введён Кельвином Муром в 1948.

Информационный поиск (information search) - процесс выявления в некотором множестве документов таких, которые удовлетворяют заранее определенному условию поиска (запросу) или содержат соответствующие информационной потребности данные.

Информационный поиск - большая междисциплинарная область науки, стоящая на пересечении когнитивной психологии, информатики, информационного дизайна, лингвистики, семиотики.

Информационный поиск рассматривает поиск информации в документах, поиск самих документов, извлечение метаданных из документов, поиск текста, изображений, видео и звука в локальных реляционных базах данных, в гипертекстовых глобальных базах данных  (Интернет) и локальных (компьютер, смартфон, интранет).

Джаред Спатаро (Jared Spataro, аналитик FAST): Информационный поиск – это все еще новый и формирующийся рынок. Для нас реальная возможность заключается в том, что он во многом остается еще непаханым полем. В будущем поисковые возможности будут везде. В интерфейсе каждого приложения.

Центральная задача информационного поиска — помочь пользователю удовлетворить его информационную потребность.

 Игорь Ашманов (генеральный директор компании "Ашманов и партнеры"): Интернет-поиск сегодня является очень крупным бизнесом и эффективным инструментом большой политики. Новостные ленты поисковых системно формируют картину для многих миллионов пользователей, их возможности в области поиска по блогам могут поднять любую тему, даже самую бредовую и бессмысленную, что, кстати, нередко и происходит.

Виды информационного поиска:

• полнотекстовый поиск — поиск по всему содержимому документов.

• поиск по метаданным  (атрибутам документа: название, размер, автор и т.д.).

Типы информационного поиска:

• локальный (в документе, в файловой системе носителя информации, в компьютерной локальной сети);

• глобальный (интернет-поиск).

В 1945 году Ванневар Буш (Vannevar Bush, американский инженер) опубликовал эссе "Как мы могли бы думать", в котором изложил идеи разработки системы быстрого извлечения данных из особым образом хранимой информации.

Идеи Ванневара Буша эквивалентны концепциям современных  поисковых систем.

В 1962 году Джерард Сэлтон (Gerard Salton, отец современной поисковой технологии) и его группа в Корнелльском университете разработали SMART information retrieval system (Остроумную систему извлечения информации).

SMART - аббревиатура от Salton-s Magic Automatic Retriever of Text (Волшебный автоматический извлекатель текста Сэлтона).

Структура глобального информационного поиска представляет взаимосвязь и взаимовлияние следующих базовых элементов:

Проблема «хвостов»: по мере экспоненциального роста числа документов в Сети растет среднее число документов в ответ на запрос, ранжирование которых не снимает проблемы пропуска нужного документа.

Продолжительность поиска в результатах поиска на порядок больше времени самого поиска.

Вадим Ефремов (советник «ГЕТНЕТ Консалтинг»). Ситуация может показаться безысходной, однако следует сохранять оптимизм — неизвестны причины роста объемов информации, поэтому у нас нет рычагов воздействия на него. Возможно, со временем все как-то стабилизируется либо мы дождемся появления квантовых вычислителей и алгоритмов, которые создадут принципиально иные механизмы поиска.

Проблему хвостов призван решить  Drill Down Search (углубленный поиск):

• Текстовые навигаторы поиска;

• Анализаторы нетекстового контента;

• Визуализация;

• Агрегирование фактов;

• Определение эмоциональной окраски.

Текстовые навигаторы поиска - средства итеративного поиска элементов в результатах поиска (извлекают элементы, связанные с именем собственным, затем элементы, связанные с географическим местоположением, либо формулируют предположение о правильном написании, а затем применяют предметно-ориентированную таксономию, которая сведет триаду «персона, организация, событие» в обзор подборок из  выбранных документов).

Анализаторы нетекстового контента - выдают ссылки на мультимедийные элементы, относящиеся к поисковому запросу, на  в виде небольших графических изображений на экране.

Визуализация -  автоматическаягенерирация графического облака связанных между собой слов с помощью семантической карты на основе контекстного индекса.

Пример: поисковая система Quintura с интерактивной картой уточнения запросов для визуальной навигации. Перенос курсора с одного слова на другое, отражая предпочтение пользователя, изменяет картинку и по-новому ранжирует список выбранных документов.

Агрегирование фактов - сведение воедино разрозненных фактов, относящихся к запросу на основе просмотра и анализа системой тысяч документов, содержащих почти идентичную информацию с морфологическим анализом предложений и учетом статистических корреляций на уровне параграфа и предложения.

Определение эмоциональной окраски - распознавание эпитетов, которыми сопровождаются обсуждения событий, фактов, текстов и визуализация этой статистики высказываний на основе статистического анализа контекста результатов поиска. Так, оттенками красного цвета окрашеваются документы, в которых преобладают отрицательные эпитеты.