حجم فراوان و روبه رشد مقالات منتشر شده بر روی وب، فرآیند تصمیم گیری و انتخاب مقالات مرتبط با یک زمینه تحقیقاتی را برای پژوهشگران دشوار کرده است. روش رایجی که اغلب پژوهشگران برای جستجوی اسناد مرتبط با یک زمینه تحقیقاتی استفاده می کنند، یافتن کلمات کلیدی و استفاده از موتورهای جستجو می باشد. با توجه به این که پیدا کردن لیست کلمات کلیدی که دربرگیرنده تمام مقالات یک زمینه باشند کاری دشوار است، با استفاده از این روش، نمی توان به خوبی تمامی مقالات مرتبط را پیدا نمود. یک سیستم پیشنهاد استناد، با دریافت متن ورودی، مقالاتی که باید آن متن به آن ها استناد کند را پیشنهاد می کند، و بدین ترتیب می تواند در یافتن مقالات مرتبط با یک موضوع به پژوهشگر کمک کند. در حال حاضر سیستم های پیشنهاد استناد موجود محدود به پیشنهاد از یک منبع داده محلی می باشند، این محدودیت، از آنجاییکه در زمینه کتاب شناسی هیچ منبع داده ای حاوی اطلاعات کامل درباره تمام مقالات نمی باشد، باعث کاهش کیفیت پیشنهادها می شود. در این پایان نامه یک سیستم جدید برای پیشنهاد استناد ارائه شده است که در لایه داده خود از داده های پیوندی استفاده می کند و الگوریتم پیشنهاد آن مبتنی بر ترکیب شباهت رابطه ای و شباهت متنی می باشد. ارزیابی های انجام شده نشان می دهد که استفاده از داده های پیوندی بعنوان لایه داده بدلیل مزایای آن از جمله انتشار داده ها با یک قالب استاندارد و برقراری پیوند بین منابع داده مختلف باعث کاهش پیچیدگی جمع آوری داده و غنی شدن لایه داده به دلیل استفاده از چندین منبع می شود. همچنین با توجه به آزمایش های انجام شده، معیار شباهت رابطه-ای پیشنهادی، در تشخیص شباهت مقالات موفق است و استفاده از آن در کنار شباهت متنی می تواند ضعف استفاده تنها از شباهت متنی را در پیدا کردن مقالات مرتبط کاهش دهد و در نتیجه سبب بهبود کیفیت سیستم پیشنهاد استناد شود.