大規模な疎行列データを扱う推薦システムの学習高速化を目的とし、Factorization Machines（FM）におけるHogwild!アルゴリズムを用いた並列学習の実装および評価を行った。C++を用いて並列化プログラムを構築し、映画評価データセットを用いてスレッド数を変化させた際の学習時間と予測精度への影響を測定した。実験の結果、並列化により学習時間は短縮され、予測精度を維持したまま高速化が可能であることが確認された。一方で、スレッド数の増加に伴い速度向上率は低下する傾向が見られた。本研究により、FMの学習における並列化の有効性と効率に関する基礎的な知見が得られた。