本研究提出了一种分布鲁棒图形推荐模型（DRGO），旨在解决推荐系统中训练数据噪声样本的影响，显著提升模型在超出分布数据上的表现，并提供了理论证明。

本文提出了一个基于非参数 $f$- 分歧球构建的分布不确定性集合的广义经验似然框架，用于随机优化问题的统计推断。该方法能够提供一个有原则的选择分布不确定性区域大小的方法，以实现达到精确覆盖的单侧和双侧置信区间。同时，证明了分布鲁棒的公式具有一致性属性。