تهدف المطابقة الكيانية إلى تحديد أزواج الكيانات المكافئة من مخططات المعرفة (KGs) المختلفة، وهي عملية ضرورية لدمج مخططات المعرفة ذات المصادر المتعددة. في الآونة الأخيرة، ومع دخول الشبكات العصبية التلافيفية (GNNs) إلى مجال المطابقة الكيانية، أصبحت هندسات النماذج الحديثة أكثر تعقيدًا تدريجيًا. ووجدنا حتى ظهور ظاهرتين غير متوقعتين ضمن هذه الأساليب: (1) التحويل الخطي القياسي في الشبكات العصبية التلافيفية لا يعمل بشكل جيد. (2) تُظهر العديد من نماذج تمثيل مخططات المعرفة المتقدمة، المصممة خصيصًا لمهمة التنبؤ بالروابط، أداءً ضعيفًا في المطابقة الكيانية. في هذا البحث، نُجرّد الأساليب الحالية للمطابقة الكيانية إلى إطار موحد يُسمى "شكل-البناء والمحاذاة"، والذي لا يُفسر بنجاح الظاهرتين أعلاه فحسب، بل يُستنتج منه أيضًا معياران رئيسيان لعملية تحويل مثالية. علاوة على ذلك، نقترح طريقة جديدة تعتمد على الشبكات العصبية التلافيفية تُسمى "المطابقة الكيانية بالانعكاس العلاقاتي" (RREA). تعتمد RREA على تحويل الانعكاس العلاقاتي للحصول على تمثيلات محددة للعلاقة لكل كيان بطريقة أكثر كفاءة. تُظهر النتائج التجريبية على مجموعات بيانات واقعية أن نموذجنا يتفوق بشكل كبير على أحدث الأساليب، مع تفوق بنسبة تتراوح بين 5.8% و10.9% في مقياس Hits@1.