在部分标签数据中，训练示例的真实标签隐藏在与实例关联的一组候选标签中。 由于无法获取地面真相标签，因此很难通过标签信息来训练分类器。 因此，在假设特征空间中的相邻/相似实例在标签空间中具有相似标签的假设下，采用流形结构信息。 但是，实际数据可能无法完全满足此假设。 提出了一种基于似然比检验的局部标签度量学习方法，以使局部标签数据满足流形假设。 此外，所提出的方法不需要目标函数并且不对称地对待数据对。 在多个实际PLL数据集上的实验结果表明，该方法在分类准确度和消歧准确度方面优于现有的部分标签度量