"本书在全面介绍移动数据挖掘的基础概念和涉及领域的基础上，着重介绍了移动数据挖掘的核心算法，包括传统统计网络分析方法、一般机器学习算法、高级机器学习方法以及面向移动数据挖掘的推荐算法等内容，并配合提供了大量的前沿技术案例来说明如何将理论算法合理应用到移动数据挖掘的实际问题中。

全书共分5篇：第1篇(第1~4章)为传统方法篇，着重介绍时间序列分析、网络分析、统计概率建模等经典方法；第2篇(第5~7章)为一般机器学习篇,着重讨论经典聚类算法、降维挖掘算法和分类算法及其应用案例；第3篇(第8~10章)为高等机器学习篇，介绍表征学习、深度学习和图神经网络算法及其应用案例等；第4篇(第11~13章)为推荐系统篇，介绍一般推荐系统算法、移动数据相关的推荐系统以及移动应用推荐系统和算法等；第5篇(第14~16章)为前沿研究篇，介绍基于移动大数据的前沿研究方向，以移动行为建模、城市科学和城市不平等三项前沿研究为例,介绍移动数据挖掘的研究思路和未来发展方向。全书提供了大量算法应用案例，每章后均附相关经典文献以供读者参考学习。

本书可作为高等院校电子信息类、计算机类、自动化类、软件工程、城市规划、土木工程等专业高年级本科生、研究生的教材，也可供对数据挖掘、时空数据等内容比较熟悉并且对机器学习算法有所了解的开发人员和研究人员参考。"