本論文では、一般的なドメイン適応手法として「比例的進行擬似ラベリング（PPPL）」を提案しています。ドメイン適応は、ラベル付けされたソースドメインから得た知識を、ラベルなしのターゲットドメインに転送する技術です。従来の手法は特定の入力タイプ（例えば画像）には効果を示しますが、他のタイプ（テキストや時系列データなど）には性能が低下することが多いという共通の欠点があります。PPPLは、ターゲットドメインのサンプルラベルを擬似的に生成し、誤ったラベルが付いている可能性の高いサンプルを除外しつつ、訓練を段階的に進めることで、ターゲットドメインにおける分類誤差を減少させる手法です。実験では、異常検出、テキスト感情分析、画像分類など6つの異なるデータセットを用いて他の基準と比較し、PPPLが優れた性能を示し、より一般的な適応が可能であることを示しました。