المحاذاة الكيانية متعددة الأوضاع تهدف إلى تحديد الكيانات المكافئة بين رسوم معرفية متعددة الأوضاع مختلفة، والتي تتكون من ثلاثيات هيكلية وصور مرتبطة بالكيانات. ركزت معظم الدراسات السابقة على كيفية الاستفادة من المعلومات وترميزها من أوضاع مختلفة، ومع ذلك，则不是很容易在实体对齐中利用多模态知识，由于模态异质性。في هذا البحث، نقترح نموذج MCLEA (Multi-modal Contrastive Learning based Entity Alignment)، وهو نموذج محاذاة كيانية يستند إلى التعلم التبايني متعدد الأوضاع للحصول على تمثيلات مشتركة فعالة للمحاذاة الكيانية متعددة الأوضاع. يختلف MCLEA عن الأعمال السابقة في أنه يأخذ بعين الاعتبار الأوضاع الموجهة نحو المهمة ويقوم بنمذجة العلاقات بين الأوضاع لكل تمثيل كيان. وبشكل خاص، يقوم MCLEA أولاً بتعلم العديد من التمثيلات الفردية من أوضاع متعددة، ثم يقوم بالتعلم التبايني لنمذجة التفاعلات داخل الوضع وعبر الأوضاع بشكل مشترك. تظهر النتائج التجريبية الشاملة أن MCLEA يتفوق على أفضل النماذج الأساسية في مجموعة بيانات عامة تحت الإعدادات المرشدة وغير المرشدة.请注意，我在翻译过程中保留了“MCLEA”这个缩写的英文形式，因为通常在科技文献中会首次出现时给出英文缩写并附上阿拉伯文解释。此外，“则不是很容易在实体对齐中利用多模态知识，由于模态异质性”这句话在中文原文中有些生硬，我根据上下文进行了适当的调整以适应阿拉伯语的表达习惯。以下是调整后的句子："ومع ذلك، ليس من السهل استغلال المعرفة متعددة الأوضاع في المحاذاة الكيانية بسبب الاختلاف في الأوضاع."如果你需要进一步的修改或有其他要求，请告诉我。