协同过滤推荐算法在推荐系统中发挥着重要作用，但其存在执行效率与排名精度较低的问题，交替最小乘（ALS）算法可实现并行计算，从而提高执行效率，但是该算法数据加载与迭代收敛的时间较长。为此，将非线性共轭梯度（NCG）算法与ALS算法相结合，提出一种ALS-NCG算法，以达到加速ALS算法的目的。在Spark分布式数据处理环境中对ALS-NCG算法进行性能评估，实验结果表明，相比ALS算法，ALS-NCG算法获取高精度推荐排名时需要的迭代次数与时间更少。