يدرس هذا البحث إشكالية جديدة في مجال مطابقة الكيانات لرسوم المعرفة (KGs). نظرًا لأن رسوم المعرفة تحتوي على مجموعات مختلفة من الكيانات، قد توجد كيانات لا يمكن مطابقتها بينها، مما يؤدي إلى ظاهرة الكيانات المعلقة (dangling entities). وبكونه أول محاولة لمعالجة هذه المشكلة، نُنشئ مجموعة بيانات جديدة ونصمم إطارًا تعلم متعدد المهام يهدف إلى مطابقة الكيانات والكشف عن الكيانات المعلقة معًا. ويتيح هذا الإطار إمكانية التخلي عن التنبؤ بمطابقة الكيانات المكتشفة ككيانات معلقة. ونُقدّم ثلاث تقنيات للكشف عن الكيانات المعلقة، تعتمد جميعها على توزيع المسافات بين الجيران الأقرب، وهي: التصنيف حسب الجيران الأقرب، والترتيب الحدودي، والترتيب الخلفي. وبعد الكشف عن الكيانات المعلقة وإزالتها، يمكن للنموذج المدمج لمطابقة الكيانات في إطارنا أن يُقدّم مطابقة أكثر استقرارًا للكيانات المتبقية. وتُظهر التجارب والتحليلات الشاملة فعالية الإطار المُقترح. كما نكتشف في الوقت نفسه أن وحدة كشف الكيانات المعلقة يمكن أن تُحسّن بدورها تعلم المطابقة والأداء النهائي. وتم تخصيص الموارد المُقدّمة للبحث بشكل عام للجمهور لتشجيع الأبحاث اللاحقة.