多言語知識グラフ（KG）であるDBpediaやYAGOは、複数の異なる言語にまたがるエンティティに関する構造化知識を含んでおり、多言語AIおよび自然言語処理（NLP）アプリケーションにおいて有用なリソースである。多言語KG間の対応付け（cross-lingual KG alignment）とは、異なる言語におけるエンティティ同士を対応づけるタスクであり、多言語KGにおける多言語リンクを豊かにする重要な手段である。本論文では、グラフ畳み込みネットワーク（GCN）を用いた新たな多言語KG対応付け手法を提案する。事前に対応付けられたエンティティの集合を前提として、本手法はGCNを用いて各言語のエンティティを統一されたベクトル空間に埋め込み（embedding）する。その後、埋め込み空間におけるエンティティ間の距離に基づいてエンティティの対応関係を同定する。本手法では、エンティティの構造情報および属性情報の両方から埋め込みを学習し、構造的埋め込みと属性的埋め込みの結果を統合することで、高精度な対応付けを実現する。実際の多言語KGに対する実験において、他の埋め込みベースのKG対応付け手法と比較して、本手法が最も優れた性能を示した。