比如说，在Google搜索框输入关键字查询，搜索结果往往会是数目多到目不暇接的一个个网页，除了提供的网页数日甚一日的多之外，你很难发现所搜索的结果和一年前有何分别。并且，呈现在你面前的这些网页几乎是没有经过任何处理的，比如自动分类、聚类、关联、个性化呈现等等。此外，当PageRank算法用于决定由大量社区内容、个人主页、blog组成的网页的相关性时，也越来越显得捉襟见肘，因为这些微内容的相关性排序很难套用PageRank算法。
作为Google排名运算法则（排名公式）的核心，PageRank算法假定：某个网页被链接得越多，则该网页的等级和重要性就越大，从而在相关性排序中也就越靠前。PageRank的等级以PR值计算，PR值越高说明该网页越重要。虽然Google的排名算法实际上要远为复杂，比如还揉合了Title标识、Keywords标识等上百个参数和变量，但囿于关键词搜索本身的局限，Google并没有在搜索结果的相关性等指标上与其竞争对手拉开距离，如果不是有所不如的话。
事实上，第二代搜索引擎所具有的局限性，Google几乎无一幸免。
大体而言，第二代搜索的局限见于如下四个方面：
其一，提供的提问函数相当有限。例如，雅虎只提供与、或运算,并且一旦选用了一个逻辑运算符,即必须应用于所有的关键词；再如，百度搜索仅支持与、或、非布尔表达式，而不支持异或，也不支持关键词之间的位置检索或者勾选搜索结果；
其二，仅支持单个关键词或者一组关键词及逻辑运算符组成提问，而并不支持自然语言搜索或语义搜索。以百度为例，百度搜索支持字串搜索，当用户输入一段话进行查询时，百度会将其切分成多个词，按照逻辑与的关系进行关键词搜索，但搜索结果充其量仅能做到差强人意。所以如此，是因为关键词搜索本身并不是基于对内容的理解，所以关键词与搜索结果之间的匹配很难做到精准，往往是搜到哪算哪。
其三，不能利用历史信息进行搜索。用户的每次搜索都是从头开始，而不能从原有的查询结果中作进一步选择；
其四，呈现方式单一、呆板。多数搜索引擎只返回一个长长的搜索结果列表，其中可能有数以万计的包含关键词的网页，但这些网页是否以及在多大程度上与用户的搜索意图相关，则不得而知。
在看到pagerank的局限性以后，一些新兴的搜索公司开始尝试通过提供更精准、更个性化的搜索结果，从在呈现方式上数年一贯制、几无创新的Google那里抢夺市场份额。
例如Clusty，该公司通过借鉴Autonomy的模式识别技术以及自动分类等功能，可基于对概念的理解提供搜索结果的自动分类等功能。此外，像Grokker、Snap、Dogpile这样的后起之秀，也纷纷以更个性化的搜索结果呈现方式为招徕，连连攻城掠地。
在国内，除了类似bbmao这样的社会化搜索引擎开始提供自动分类、聚类、用户收藏等功能而崭露头角外，老牌搜索厂商雅虎中国，也在搜索算法和呈现方式上进行了诸多改进，不仅强化了对社区内容、blog等微内容的数据抓取，而且在个性化呈现、模糊搜索等方面也有较大举措。
一个例子是，此前一个月，雅虎中国、雅虎全球、阿里巴巴三方联合推出了一个具有智能模糊匹配功能的搜索引擎--雅虎Imatch。据称，该系统可以根据用户的搜索习惯和意图，智能匹配相关的搜索结果。
Clusty、bbmao等元搜索引擎的自动分类、聚类功能一出，即大受用户追捧，专家也认为其提供了比之Google更精准、细分的呈现方式，殊不知Clusty、bbmao等所提供的自动分类、聚类功能本身一点都不新鲜。早在10年前，英国的企业搜索巨擘Autonomy已经提供了同类乃至更智能的呈现方式。
例如，Autonomy基于某种专有的模式匹配和概念搜索的算法，可以自动根据文本中的概念进行分类，自动标引，并基于用户兴趣自动匹配出个性化、多侧面的直接或隐含的相关档案。当用户在搜索框中键入某个关键词，出现的结果可能被系统自动分为10类（或更多类），若其中9类与用户的查询期望距离较大，用户就可以将接近的那个结果作为查询条件，进行第二次查询，直到找到最需要的搜索结果。而Google、百度等第二代搜索引擎则主要使用SVM和KNN算法进行分类，因为算法的先天缺陷，分类准确率仅能达到80%到85%。并且，如果分类树有变更，如增加、修改或删除某个分类节点，整颗分类树就必须重新学习。
同样因为基于概念的理解，Autonomy还可以通过抽取文档中包含的重要概念，把相似的文档聚类到一起（相关性算法），自动生成类别的标题，并支持二维岛图、二维趋势图以及三维立体图的图形化结果展示。前不久Google趋势搜索以及百度指数的推出，在某些方面可视为对这一功能的一种模仿。
更值得一提的是，模式识别算法还可以分析信息间的主要关系，进而实现内容间的交叉索引对照和自动关联，并实时生成超链接。换句话说，该算法可以不仅可以做到精准定位用户的搜索意图，还可以提供用户可能压根想不到的搜索列表。当用户不知道用什么关键词去搜索的时候，这种对相关信息的引发就可以满足用户的一些模糊需求，而这是Google等第二代搜索所不具备的。
作为对第二代搜索的一种超越，第三代搜索的范式革命不光见于呈现方式，而是表现为参差多态的演化路径，例如个性化搜索、社会化搜索、本地化搜索、知识问答社区、社区内容搜索等等。而在核心搜索技术上，则大致包含人工智能、模式识别、语义分析、神经网络等发展方向。由于神经网络搜索和人工智能搜索耗资巨大，目前还没有出现成型的搜索引擎，不过，包括Google、微软、IBM、Roussinov等在内的搜索引擎均已将人工智能搜索的研发提上了议事日程。在国内，Aisou等公司也跃跃欲试，随时准备推出人工智能搜索产品。
值得一提的是，Autonomy的模式识别技术本身也包含有语义分析技术和部分人工智能技术。虽然迄今为止，计算机还无法做到完全理解语言，但通过采用基于统计学、概率论和信息论的概念识别技术，Autonomy可以理解信息的意义和信息间的连接。用户搜索时可以直接以自然语言输入一句话或一段文字，甚至一篇文章，Autonomy会自动判断用户查询条件所描述的概念，从企业文档库中查找所有和用户搜索概念相关的文档。显然，语义搜索比传统关键词搜索更能精准定位用户的搜索意图。
由于是基于对概念和概念之间关系的理解，Autonomy还可以利用精选内容中完整的上下文，实现概念提炼或基于例子的提炼，进而聚焦用户所感兴趣的概念结果，并提供自动建立档案、社区及协作、信息自动推送等个性化搜索功能。不光如此，该系统还可以自动判别使用者的身份，并通过不断学习更新系统的知识库。
关于第三代搜索，众多的创新者已经为我们勾勒出一个大致的轮廓，但可以预言并且相信的是，
浮现中第三代搜索引擎今后的进化之旅，还会有很多很多超出我们的想象。
