يُعدّ التماثل الكيانات (Entity Alignment) لتحديد الكيانات المكافئة في المعرفة العابرة للغات (KGs) عاملاً محورياً في دمج تلقائي لعدة معرفات. تعتمد الطرق الحالية القائمة على الترجمة على نمذجة المعرفة العابرة للغات والمعرفة الأحادية اللغة معًا ضمن مسألة تحسين موحدة. من ناحية أخرى، تتجاهل الطرق القائمة على الشبكات العصبية الرسومية (GNN) التمايز بين العقد، أو تمثل العلاقات من خلال أمثلة الكيانات أو الزيجات (triples). وتفشل جميعها في نمذجة المعاني الميتا المضمنة في العلاقات، أو العلاقات المعقدة مثل العلاقات من نوع n إلى n والرسوم البيانية المتعددة. وللتصدي لهذه التحديات، نقترح طريقة جديدة تُسمى "تماثل الكيانات المُدرك للعلاقة الميتا" (MRAEA)، والتي تُمكّن من نمذجة تضمينات الكيانات العابرة للغات مباشرةً من خلال الانتباه إلى الجيران الداخلين والخارجين للعقدة، وكذلك إلى المعاني الميتا للعلاقات المرتبطة بها. بالإضافة إلى ذلك، نقترح استراتيجية بسيطة وفعالة تُسمى "الاستراتيجية التكرارية الثنائية الاتجاه" لإضافة بذور متماثلة جديدة أثناء التدريب. تُظهر تجاربنا على جميع مجموعات البيانات المعيارية الثلاثة لتماثل الكيانات أن منهجنا يتفوق باستمرار على الطرق الأفضل في مجالها، مع تجاوز النتائج بنسبة 15% إلى 58% في مقياس "Hit@1". كما تؤكد دراسة التحليل الوظيفي الموسعة أن تمثيلات العلاقة الميتا المُقترحة، وانتباه ذاتي مُدرك للعلاقة، والاستراتيجية الثنائية الاتجاه لاختيار البذور الجديدة، كلها تسهم بشكل ملموس في تحسين الأداء بشكل كبير. يمكن الوصول إلى الكود من خلال الرابط التالي: https://github.com/MaoXinn/MRAEA.