本文介绍了一种新的Mahalanobis度量学习方法，旨在提高推荐系统中对用户偏好的理解。该方法在处理噪声和样本复杂度方面表现优异，能够有效捕捉用户偏好，并在多个真实数据集上提高推荐准确度4-22%。此外，提出的鲁棒测度学习和逻辑判别度量学习算法在不同场景下也展示了有效性。