Este artículo aborda el problema de la Adaptación del Dominio de Grafos (GDA) en presencia de etiquetas de grafos fuente ruidosas. A diferencia de los métodos GDA existentes que asumen etiquetas de origen limpias, proponemos un nuevo marco, el Refinamiento de Pseudo-Etiquetas de Grafos Anidados (NeGPR). NeGPR preentrena ramas duales (semántica y topológica) que mejoran la consistencia de vecindad en el espacio de características para mitigar los efectos del ruido. Selecciona muestras objetivo de alta confianza mediante un mecanismo de refinamiento anidado para guiar la adaptación en la otra rama e integra una estrategia de regularización con capacidad de adaptación al ruido para mitigar el sobreajuste y los efectos negativos del ruido de pseudo-etiqueta en el dominio fuente. Los resultados experimentales muestran que NeGPR supera a los métodos más avanzados en entornos con alto nivel de ruido de etiquetas, logrando una mejora de la precisión de hasta un 12,7 %.
