随着物联网的日益成熟,物理世界中实体数量的爆炸增长,物联网搜索技术通过传感器采集并整合物理世界中的实体信息,及时为用户提供所需实体的状态信息。而由于实体的异构性与海量性,导致传感器采集到的信息过于驳杂,用户难以精确地获取实体信息。实体的动态性导致传统的互联网搜索和推荐模式无法满足物联网搜索的实时性要求。并且用户对获取实体信息的实时性要求较高,面向时变性实体的搜索和推荐方法亟待研究。首先,文中介绍了物联网搜索的研究背景和典型的应用场景,描述了物联网搜索技术的特点。其次,简述了国内外的研究现状,着重叙述和分析了物理实体搜索策略以及物理实体推荐策略。之后,文中提出面向物联网搜索的边云协同实体搜索方法。设计了边云协同的实体搜索系统架构,联合云端与边缘侧协同进行实体信息的搜索。提出适用于边缘侧的实体识别方法,考虑实体的特征信息并基于深度聚类模型进行实体的有效识别,提高实体状态信息搜索的实时性与准确性。仿真结果表明,所提搜索方法相比传统方法可有效提升实体搜索的实时性与准确性。再次,文中提出适用于物联网的边云协同实体推荐方法。现有的物联网数据推荐方法忽略了物联网数据和用户搜索行为的特征,因此其推荐性能相对受限。考虑物联网实体状态的时变特征和用户搜索行为的特征,结合边缘计算和云计算的优势,提出了一种边云协同的实体推荐方法。首先,设计了一种基于边云协同的实体推荐系统架构。此外,设计了一种在适用于云端的兴趣团体划分方法,该方法充分考虑了用户的潜在搜索需求,并基于聚类模型对用户兴趣组进行了划分,以提高推荐系统的质量。仿真结果表明,与传统方法相比,该推荐方法可以有效提高实体推荐的实时性和准确性。最后,对全文的工作进行了总结,并简要展望了未来可能的研究方向。