在本文中，我们解决了跨域分类器适应的问题。我们考虑了多类分类中的域适应问题，其中源数据集提供了一组带有标签的示例，而目标数据集则没有任何监督信息。在此背景下，我们提出了一种基于对抗判别器的方法。尽管之前已有研究提出了基于对抗判别器的方法，但在本文中，我们介绍了一种知情对抗判别器（informed adversarial discriminator）。我们的观察结果基于分析表明，如果判别器能够访问所有可用的信息，包括源数据集中存在的类别结构，则可以指导目标类别特征向更加结构化的空间进行转换。通过这种公式化方法，我们在基准数据集的标准评估中获得了最先进的结果。此外，我们还提供了详细的分析，证明使用所有带标签的信息可以提高域适应的效果。