यह शोधपत्र नेस्टेड ग्राफ़ स्यूडो-लेबल रिफ़ाइनमेंट (NeGPR) का प्रस्ताव करता है, जो ग्राफ़ डोमेन अनुकूलन (GDA) समस्या के समाधान हेतु एक नवीन ढाँचा है, जिसमें स्रोत ग्राफ़ लेबल में नॉइज़ (रव) होने की यथार्थवादी स्थितियों पर विचार किया गया है। NeGPR दोहरी शाखाओं (सिमेंटिक और टोपोलॉजिकल शाखाओं) को पूर्व-प्रशिक्षित करता है जो नॉइज़ लेबल के प्रभाव को कम करने के लिए फ़ीचर स्पेस में नेबरहुड कंसिस्टेंसी को बढ़ाती हैं। डोमेन अंतरों को संबोधित करने के लिए, यह एक नेस्टेड रिफ़ाइनमेंट तंत्र का उपयोग करता है, जहाँ एक शाखा दूसरी शाखा के अनुकूलन का मार्गदर्शन करने के लिए उच्च-विश्वसनीय लक्ष्य नमूनों का चयन करती है, जिससे वृद्धिशील क्रॉस-डोमेन लर्निंग संभव होती है। इसके अलावा, चूँकि स्यूडो-लेबल नॉइज़ युक्त होते हैं और पूर्व-प्रशिक्षित शाखा स्रोत डोमेन में नॉइज़ युक्त लेबल के लिए ओवरफ़िट हो सकती है, इसलिए हम स्रोत ओवरफ़िटिंग की उपस्थिति में भी स्यूडो-लेबल नॉइज़ के प्रतिकूल प्रभावों को कम करने के लिए एक नॉइज़-अवेयर रेगुलराइज़ेशन रणनीति को एकीकृत करते हैं। बेंचमार्क डेटासेट पर व्यापक प्रयोग दर्शाते हैं कि NeGPR गंभीर लेबल नॉइज़ के तहत अत्याधुनिक विधियों से लगातार बेहतर प्रदर्शन करता है, जिससे 12.7% तक सटीकता में सुधार होता है।
