يهدف التوافق الكيانات إلى تحديد أزواج الكيانات المكافئة بين رُسُوم المعرفة المختلفة (KGs). ومؤخرًا، أصبحت توافر رُسُوم المعرفة الزمنية (TKGs) التي تحتوي على معلومات زمنية ضرورة لاستنتاج الاستدلال الزمني داخل هذه الرُسُوم. وتتجاهل الطرق الحالية القائمة على التضمين (embedding-based) معلومات الوقت التي توجد غالبًا في العديد من رُسُوم المعرفة الضخمة، مما يترك مجالًا واسعًا للتحسين. في هذه الورقة، نركّز على مهمة توافق أزواج الكيانات بين رُسُوم المعرفة الزمنية، ونُقدّم منهجية جديدة تُسمى "توافق الكيانات المُدرك للزمن بناءً على الشبكات العصبية الرسومية" (TEA-GNN). نُضَمِّن الكيانات والعلاقات والتواريخ الزمنية من رُسُوم معرفة مختلفة في فضاء متجهي، ونستخدم الشبكات العصبية الرسومية (GNNs) لاستخلاص تمثيلات الكيانات. ولدمج معلومات العلاقة والزمن معًا داخل هيكل الشبكة العصبية الرسومية في نموذجنا، نستخدم آلية الانتباه الذاتي (self-attention) التي تُخصّص أوزانًا مختلفة للعقد المختلفة، باستخدام مصفوفات تحويل متعامدة تم حسابها من تمثيلات العلاقات والتواريخ الزمنية ذات الصلة في الجوار. تُظهر النتائج التجريبية على عدة مجموعات بيانات حقيقية لـ TKGs أن منهجيتنا تتفوّق بشكل ملحوظ على أحدث الطرق الحالية بفضل دمج معلومات الزمن.