यह शोधपत्र नेस्टेड ग्राफ स्यूडो-लेबल रिफाइनमेंट (NeGPR) का प्रस्ताव करता है, जो ग्राफ डोमेन अनुकूलन (GDA) समस्या के समाधान हेतु एक नवीन ढाँचा है, जो स्रोत ग्राफ लेबलों में नॉइज़ (रव) युक्त यथार्थवादी स्थितियों पर विचार करता है। NeGPR दोहरी शाखाओं (सिमेंटिक और टोपोलॉजिकल) को प्रीट्रेन करता है जो नॉइज़ लेबलों के प्रभाव को कम करने के लिए फ़ीचर स्पेस में नेबरहुड कंसिस्टेंसी को बढ़ाती हैं। डोमेन गैप को पाटने के लिए, यह एक नेस्टेड रिफाइनमेंट मैकेनिज्म का उपयोग करके वृद्धिशील क्रॉस-डोमेन लर्निंग करता है, जहाँ एक शाखा दूसरी शाखा के अनुकूलन का मार्गदर्शन करने के लिए उच्च-विश्वसनीय लक्ष्य नमूनों का चयन करती है। इसके अलावा, यह प्रीट्रेन्ड शाखा में स्यूडो-लेबल नॉइज़ और ओवरफिटिंग की समस्याओं के समाधान के लिए एक नॉइज़-अवेयर रेगुलराइज़ेशन रणनीति को एकीकृत करता है। यह रेगुलराइज़ेशन रणनीति सैद्धांतिक रूप से स्यूडो-लेबल नॉइज़ के हानिकारक प्रभावों को कम करने में सिद्ध हुई है, और स्रोत ओवरफिटिंग की उपस्थिति में भी अनुकूलन प्रक्रिया की मजबूती को बढ़ाती है। प्रायोगिक परिणाम दर्शाते हैं कि NeGPR गंभीर लेबल शोर के तहत अत्याधुनिक विधियों से बेहतर प्रदर्शन करता है, तथा 12.7% तक सटीकता में सुधार प्राप्त करता है।
