为了克服单机串行不确定性传播算法处理大规模数据集的局限，采用MapReduce编程模型对算法进行并行化实现。将单机算法按照算法流程进行拆分，每一步对应一个MapReduce程序。每一步的输入及输出数据都存储在Hadoop分布式文件系统上。用命中率对比并行化的不确定性传播算法与全局排名算法的性能。对比不同数据量、不同节点数时并行化的不确定性传播算法的加速比。试验结果表明，不确定性传播算法MapReduce并行化后部署在Hadoop集群上运行，命中率显著高于全局排名算法，且有着较好的并行性，扩大了单机算法所能处理的数据规模且提高了算法的运算速度。