为解决传统协同过滤推荐中存在的数据稀疏性和可扩展性问题，基于IALM和填充可信度提出了并行化的协同过滤算法。该算法利用非精确增广拉格朗日乘子法（IALM）对评分矩阵和评分时间矩阵进行填充；引入填充可信度，并与指数遗忘函数结合，对填充评分进行加权修正，在此基础上应用协同过滤算法进行预测评分；最后基于Hadoop平台对算法进行了并行化设计与实现。实验结果表明，该算法能够提高推荐质量，同时基于Hadoop平台的算法运算效率明显提高。