Creo que sería interesante resaltar las cada día más importantes funcionalidades por parte de buscadores enterprise en la parte de procesado de texto. El enriquecimiento de los datos es una parte crítica para una óptima recuperación de información; a dia de hoy, es fundamental aplicar estrategias en la mineria de patrones, la extracción de entidades, integración con redes semánticas, clusterización, clasificación y técnicas de procesado para que un buscador pueda ser adaptado a las necesidades de un usuario. En el caso de open source sobresale la tecnología Mahout (http://mahout.apache.org/), la cual además de utilizar algortimos de mineria y emparejamiento muy avanzados (Bayes, etc..), dispone una comunidad de developers y usuarios de lo más dinámica.