因果关系无论是在普通生活中还是在科学领域中都是非常重要的。从揭示节食与疾病之间的关联到股票市场崩溃的原因，探求其因果关系都有极其重要的价值。不管是几个世纪以来的哲学研究还是近几十年来的计算科学的发展，对于现象背后原因的自动推断和解释仍然是一个未解决的问题。特别是，关于因果关系中的时间性和复杂性等问题一直没有得到足够的重视，即使这些信息无论对于预测、解释或者干预都是如此的重要。但是，随着人们对于大规模数据集的处理能力的提高，包括电子健康档案以及社会网络数据的丰富，对于因果关系的自动推断已经成为现实需求。本书面向因果关系推断，提出了一个新的方法和解释，通过综合时间和复杂性信息，力图发现数据中的关系，并且评估为什么一个具体事件会发生。全书对这一因果关系推断和方法的理论方法和实际应用进行了全面介绍。
本书的作者Samantha Kleinberg在纽约大学获得计算机科学博士学位，目前是Stevens技术研究所计算机科学系的助理教授。本书对于利用统计方法发现现象之间的因果关系方面非常有帮助，适合相关领域的研究生和科研人员阅读。
