软件可追踪性是将任何唯一可识别的软件工程制品与任何其他制品关联起来,随着时间的推移保持所需的链接,并使用结果网络来回答软件产品及其开发过程问题的能力。软件可追踪研究的是各种制品间的追踪关系,可用于了解此类制品以及与其关联的制品,有助于支持软件维护和更新工作。软件可追踪性是大多数安全关键系统批准和认证过程的一个必要组成部分,用以保障安全系统的正确性。现有研究主要关注需求和源代码间的追踪关系,主流分析方法借助信息检索模型,根据文本相似度生成潜在追踪链接的排名列表。但因词汇失配,代码元素命名不规范等低质量文本,存在着精确率和召回率不能两全的问题。而且由于语义环境的不同,给基于文本相似性的信息检索模型带来了新的挑战。此外当前的研究多局限于需求可追踪性,缺少对更多制品追踪关系的探索。且验证的项目多为开源项目和学生项目,缺乏以工业数据为背景的多制品追踪实践。本文提出了一种制品自动追踪的方法,探究了多制品关联自动恢复的可能性。该方法分为两个部分,对于显式关联的制品,将从已追踪的链接中学习特征,训练分类器以恢复未追踪的链接。对于隐式关联的制品,将借助中间制品,挖掘相关特征,从而建立追踪关系。具体而言,从制品过程信息及制品文本内容角度出发,挖掘各类制品间特征的重要性。制品间追踪关系的构建过程,被简化为机器学习二分类问题,利用分类器预测制品间是否存在追踪关系。本文应用了五类分类器,并从采样方法、模型比较、特征分析角度评估追踪模型的效果。利用本文提出的方法,恢复了四类制品间的五种追踪关系,并通过五个工业项目验证方法的适用性。结果表明,在五类分类器中,随机森林最优。三类特征中,结合了文本相似度和制品生产过程的所有特征效果最好。其中四种显式制品追踪中F1平均约0.77,隐式制品追踪结果F1为0.86。