شهدت المعرفة الرسومية متعددة الوسائط (MMKGs) نموًا متسارعًا، مما أثار الحاجة الملحة إلى تقنيات محاذاة الكيانات متعددة الوسائط، التي تُسهّل دمج عدة رسميات معرفية متعددة الوسائط من مصادر بيانات منفصلة. ومع ذلك، فإن الطرق السابقة استخدمت المعرفة متعددة الوسائط فقط من خلال دمج يدوي مبني على قواعد تجريبية لتمثيلات الميزات أحادية الوسائط، ما أدى إلى إهمال كبير للإشارات بين الوسائط المخبأة في المعرفة متعددة الوسائط. ولحل هذه المشكلة، نقترح في هذا البحث شبكة ساياميز متعددة الوسائط جديدة لمحاذاة الكيانات (MSNEA)، التي تُطبّق محاذاة الكيانات في رسميات معرفية متعددة الوسائط المختلفة، بحيث يمكن استغلال المعرفة متعددة الوسائط بشكل شامل من خلال استغلال التأثير بين الوسائط. وبشكل محدد، نصمم أولاً وحدة تمثيل المعرفة متعددة الوسائط لاستخراج الميزات البصرية والعلائقية والخصائص الخاصة بالكيانات، بهدف إنتاج تمثيلات شاملة للكيانات في رسميات معرفية مختلفة. خلال هذه العملية، نستخدم آليات تعزيز بين الوسائط لدمج الميزات البصرية لدعم تعلم الميزات العلائقية، ونُعيّن تلقائيًا أوزان انتباه لالتقاط الخصائص القيّمة التي تسهم في المطابقة. ثم، نصمم وحدة تعلم تبايني متعددة الوسائط لتحقيق دمج تعزيز بين الوسائط مع تجنّب التأثير المهيمن للكيانات الضعيفة. أظهرت النتائج التجريبية على مجموعتي بيانات عامتين أن النموذج المقترح MSNEA يحقق أداءً من الدرجة الأولى مقارنةً بالأساليب التنافسية الأخرى، وبفارق كبير.