الهدف من التكيف غير المشرف بين المجالات هو الاستفادة من المعرفة في مجال مصنف (المجال المصدر) لتحسين أداء تعلم النموذج في مجال غير مصنف (المجال الهدف) - والاستراتيجية الأساسية هي تخفيف آثار الاختلافات بين التوزيعين. معظم الخوارزميات الحالية يمكنها التعامل فقط مع التكيف غير المشرف بين المجالات في مجموعة مغلقة (UCSDA)، أي حيث يُفترض أن المجالين المصدر والهدف يشتركان في نفس مجموعة العلامات. في هذا البحث، نستهدف إعدادًا أكثر تحديًا ولكنه واقعي: التكيف غير المشرف بين المجالات في مجموعة مفتوحة (UOSDA)، حيث يحتوي المجال الهدف على فئات غير معروفة لا توجد في المجال المصدر. هذه هي أول دراسة توفر حدًا للتعلم للتكيف بين المجالات في مجموعة مفتوحة، والذي نقوم به من خلال دراسة النظرية للمخاطر المرتبطة بمصنف الهدف على الفئات غير المعروفة. يتضمن الحد المقترح للاARNING مصطلحًا خاصًا، وهو الاختلاف المفتوح، الذي يعكس مخاطر مصنف الهدف على الفئات غير المعروفة. علاوة على ذلك، نقدم خوارزمية جديدة وموجهة بالنظرية للتكييف غير المشرف بين المجالات في مجموعة مفتوحة، تسمى تنظيم التوزيع مع الاختلاف المفتوح (DAOD)، والتي تعتمد على تنظيم هذا الحد للاختلاف المفتوح. تظهر التجارب على عدة قواعد بيانات مقاييس أن الأداء المتفوق للطريقة المقترحة UOSDA مقارنة بالطرق الأكثر تقدمًا الواردة في الأدب العلمي.请注意，"learning" 在最后一段中被误写为 "laARNING"。正确的单词应该是 "learning"。因此，正确翻译的最后一句应该是：تظهر التجارب على عدة قواعد بيانات مقاييس أن الأداء المتفوق للطريقة المقترحة UOSDA مقارنة بالطرق الأكثر تقدمًا الواردة في الأدب العلمي.