前言

数据挖掘是从海量数据中挖掘知识的一门学科，具有重要的价值。随着移动通信和移动互联网的蓬勃发展，移动数据挖掘成为其中的热门研究领域，并在现实的生产和生活中发挥着日渐重要的作用，例如，用于提升交通管理水平，进行环境问题定位和治理，辅助维护公共安全等。本书从移动环境中产生的时空相关数据出发，以面向移动数据的大数据分析和挖掘方法为主线，全面介绍了移动数据挖掘领域的核心内容和关键算法。

本书面向对象广泛，读者只需掌握基础的计算机知识和编程能力即可。本书以相关领域的学术研究能力培养为核心目标，梳理了移动数据挖掘领域的关键知识点和发展脉络； 按照技术算法迭代的顺序进行课程内容组织，便于学习和掌握； 

本书每章均提供一定量的案例，介绍典型的研究范式和将理论算法应用于实际问题中的方法路径，注重

培养读者面对实际问题的实践能力。本书既可以作为电子信息类、计算机类、自动化类、软件工程、城市规划、土木工程等专业各层次学生的教材，还可以作为相关领域从业人员的参考用书。

全书共16章，章节安排以技术发展路径为主线展开，内容讲解由浅入深，层次清晰、通俗易懂。第1章介绍移动数据挖掘的基础内容； 第2章介绍时间序列分析方法； 第3章介绍网络模型分析方法； 第4章介绍统计概率建模方法； 第5章介绍聚类挖掘

方法的概念和常见算法； 第6章介绍降维挖掘方法，包括矩阵分解降维和可视化降维； 第7章介绍分类

挖掘方法的基础概念和经典算法； 第8章介绍表征学习的基础概念和核心算法； 第9章介绍深度学习的基本概念和常用网络架构； 第10章介绍图神经网络的基础概念和经典算法； 第11章介绍推荐系统的基础概念和典型算法； 第12章介绍面向移动大数据的推荐算法； 第13章介绍移动App推荐问题和相关算法； 第14章介绍移动行为建模的前沿研究成果； 第15章介绍城市科学的研究内容和未来展望； 第16章介绍关于城市中不平等现象的相关研究。

本书具有以下特点： 

（1） 遵照电子信息类、计算机类、自动化类等相关专业的培养目标和培养方案，合理安排移动数据挖掘的知识体系，结合清华大学电子工程系学生培养体系以及先行课程和后续课程，组织相关知识点与内容。

（2） 注重理论和实践的结合，融入发表在知名学术会议和期刊的前沿研究项目，使学生在掌握理论知识的同时提高

分析问题和解决问题的实践能力，启发学生的创新意识，使学生的理论知识和实践技能得到全面发展。

（3） 每个知识点都包括了基础概念和理论算法，每章都配合了多个研究案例，知识内容层层推进，使得学生易于接受和掌握相关知识内容。每章的研究案例以本章涉及的核心技术方法为基础，以实际应用问题的发现、定义、解决和评估为主线，将知识点有机地串联在一起，便于学生掌握与理解。

（4） 教材提供了开放式课题研究和课堂研讨案例，采用课内外结合的方式，培养学生开展学术研究的兴趣，提高学生的学术基础能力和代码实践能力。

（5） 教材提供配套的课件和章节案例的源码。

本书由

清华大学数据科学与智能实验室李勇教授团队

共同编写。

参与人员包括： 徐丰力助理教授、冯杰助理教授、张云柯博士、朴景华博士、

苑苑博士、周之伦、李念、兰孝翀博士生。

在编写过程中，参阅了斯坦福大学、麻省理工学院、加利福尼亚大学伯克利分校的教学科研成果，也吸取了国内外教材的精髓，对这些作者的贡献表示由衷的感谢。本书在出版过程中，得到了

袁坚

教授、曾烈光副教授和

金德鹏教授

的支持和帮助； 还得到了清华大学出版社

文怡编辑的大力支持，在此表示诚挚的感谢。

由于作者水平有限，书中难免有不妥和疏漏之处，恳请各位专家、同仁和读者不吝赐教和批评指正，邮箱

tupwenyi@163.com。

作者

2026年3月于北京