في هذا البحث، يتم تقديم نهج موحد للتعلم النقل يعالج عدة افتراضات حول فضاءات التسمية وتقديم العلامات في المجالات المصدر والهدف باستخدام نموذج واحد. وهو فعال بشكل خاص في التعامل مع حالة صعبة، حيث تكون فضاءات التسمية للمجالين المصدر والهدف منفصلة، ويتفوق على البدائل في كل من الإعدادات غير المراقبة والشبه مراقبة. المكون الرئيسي هو تمثيل مشترك يُطلق عليه "الفضاء المشترك المفكك" (Common Factorised Space). يتم مشاركته بين المجالين المصدر والهدف، ويتم تدريبه باستخدام خسارة تفكيك غير مراقبة وخسارة قائمة على الرسم البياني. من خلال مجموعة واسعة من التجارب، نوضح مرونة طريقتنا وأهميتها وفعاليتها، سواء في الحالات الصعبة ذات الفضاءات المنفصلة للتسمية أو في الحالات التقليدية مثل التكيف بين المجالات غير المراقب، حيث تشترك المجالات المصدر والهدف في نفس مجموعات التسميات.