この記事では、多モーダルエンティティ整合（MMEA）におけるデュアルレベルノイズ対応（DNC）の問題について述べています。DNCは、エンティティの属性間や異なるグラフ間での誤対応を指し、従来の手法はこれを無視しています。本論文では、ノイズのあるエンティティの対応をより信頼性高く扱うためのフレームワーク「RULE」を提案しています。RULEは、対応の信頼性を推定し、属性の融合時にノイズの影響を軽減し、エンティティ間の不一致を解消する過程での過学習を防ぎます。また、グラフ間の属性間接続を明らかにする対応推論モジュールを組み込むことによって、より正確なエンティティ同定を実現します。多くの実験を通して、この手法の有効性が検証されています。