近年の深層学習技術の著しい発展は大量のラベル付きデータの収集，処理が可能になったことによる部分が大きいが，現実にはラベル付きデータの収集が困難な状況も多い．この問題を解決するための技術の一つとして，ラベル付きソースドメインのデータからラベル無しターゲットドメインのラベルを推定する，教師なしドメイン適応が盛んに研究されてきた．一方で，ターゲットドメインでの雑音ラベルは，ヒューリスティックやクラウドソーシング，または簡易なモデルを用いることで，比較的容易に入手できる．本研究では，このようにターゲットドメインで雑音ラベルが取得できる場合の新しい問題設定と，その雑音ラベルを活用する方策を提案する．またいくつかのベンチマークデータセットを用いて，雑音ラベルがソースドメインからターゲットドメインへの知識転移を助け，ラベル推定精度が向上することを実験的に示す．
