摘要
由于社交媒体公司收集到的用户发布推文的位置存在不同的准确性，有些位置缺失。我们希望以最高的准确性使用这些推文来帮助填写那些信息不完整的推文数据。为了测试我们的算法，我们使用了一个城市的社交媒体数据集，我们将它们分为训练集（我们知道所有信息）和测试集（我们故意假装不知道位置）。（Dukler、Han和Wang，2016）中使用的一种预测方法要求将位置的一个热编码附加到单词包矩阵中，以执行面向位置的非负矩阵分解（LONMF）。我们通过引入迭代LONMF进一步改进了该算法。我们发现，当阈值和迭代次数选择正确时，我们可以比使用LONMF更准确地预测推特位置。
