搜索方法：模式识别计算技术
当前，有包括关键词、布尔值、参数在内的各种传统搜索方法。而Autonomy采用了建立在模式识别计算技术（非线性自适应数字讯号处理）以及语境语言分析基础上的创新语义识别搜索功能。这种搜索方式避免了关键词搜索方式容易产生的不准确信息，在信息量巨大的搜索中显得更加有效。同时，这种搜索方式不依赖语言、语种或语意，它完全把语言和文字当成一种数学符号来处理，这样可以很快把系统移植到不同的语言中去。
模式识别计算技术主要基于两个基本理论：贝叶斯概率论和香农信息论。
如果一枚硬币被连续抛100次，每次都是正面朝上，那么，抛第101次时，正面朝上的概率是多少？传统统计学观点的推论是：50%。而贝叶斯概率论则认为：100次连续正面朝上，证明该硬币不均衡或两面均为正面，所以抛第101次时正面朝上的概率会大大高于50%。 可见，贝叶斯的理论更加接近人的大脑思维逻辑。
香农信息论则认为，出现频率越小的信息单元，代表的信息量越大。这也可以解释这样的现象：在一个嘈杂的房子中，我们尽管不能完全听清楚对方所有的话，但我们还是能听懂对方说话的意思。也就是说，每个信息载体会包含大量重复的冗余信息，在对这些信息的处理过程中，冗余信息的权重要低得多，甚至可以忽略。而在关键词搜索中，则相反，一个单词出现的频率越高，则该词的重要程度越高。
正是基于这两个基本理论，Autonomy在海量信息处理中取得了巨大成功。
