تحتوي الرسوم المعرفية متعددة اللغات (KGs) مثل DBpedia وYAGO على معرفة منظمة حول الكيانات في عدة لغات مختلفة، وهي موارد مفيدة للتطبيقات الذكية متعددة اللغات والمعالجة اللغوية الحاسوبية (NLP). تتمثل مهمة محاذاة الرسوم المعرفية متعددة اللغات في مطابقة الكيانات مع نظيراتها في لغات مختلفة، وهي طريقة مهمة لتعزيز الروابط متعددة اللغات في الرسوم المعرفية متعددة اللغات. في هذا البحث، نقترح منهجية جديدة لمحاذاة الرسوم المعرفية متعددة اللغات باستخدام الشبكات التلافيفية الرسومية (GCNs). بالاعتماد على مجموعة من الكيانات المطابقة مسبقًا، تُدرّب منهجيتنا الشبكات التلافيفية الرسومية على تمثيل الكيانات بلغات مختلفة في فضاء متجهي موحد. يتم اكتشاف المطابقات بين الكيانات بناءً على المسافات بينها في فضاء التمثيل. ويمكن تعلم التمثيلات من معلومات البنية والمعلومات الوصفية للكيانات معًا، حيث تُدمج نتائج التمثيل الهيكلي مع نتائج التمثيل الوصفي للحصول على مطابقات دقيقة. وفي التجارب التي أُجريت على محاذاة الرسوم المعرفية متعددة اللغات الحقيقية، حققت منهجيتنا أفضل أداء مقارنةً بطرق أخرى تعتمد على التمثيلات في محاذاة الرسوم المعرفية.