La alineación de entidades en grafos de conocimiento multimodal es una tarea básica clave de fusión e integración de conocimiento, que se utiliza para identificar entidades con equivalencia semántica pero diferentes formas de representación en diferentes grafos de conocimiento. La investigación previa sobre alineación de entidades se ha centrado principalmente en codificar y utilizar características básicas como nombres de entidades y atributos; sin embargo, es difícil capturar de manera integral la rica información semántica de las entidades al depender únicamente de estas características básicas. Para superar efectivamente esta limitación, este documento propone un método de alineación de entidades multimodal optimizado para fusión, FMEA-TD. En comparación con trabajos anteriores, este método hace un uso completo de la información de descripción textual en el grafo de conocimiento para proporcionar ricos suplementos para las características de las entidades, capturando así mejor la semántica de la entidad y resolviendo los problemas que surgen al depender únicamente de las propias características de la entidad. FMEA-TD es capaz de fusionar efectivamente la información propia de la entidad y la información de descripción textual a través de la confianza de cooperación multimodal, establecer el mecanismo de interacción entre ellas y, por lo tanto, promover la colaboración mutua entre diferentes modalidades, lo que mejora la capacidad del modelo para entender el texto semántico. Validado experimentalmente, FMEA-TD supera a los métodos de referencia actuales de última generación en conjuntos de datos públicos de grafos de conocimiento.