需求跟踪作为软件过程管理中的一个重要环节,在保障系统质量、应对需求变更方面发挥着重要作用。利用需求跟踪,软件工程师可以发现制品之间的依赖关系、评估需求覆盖率和计算需求变更的影响。随着软件项目的日益复杂和软件制品数量的增加,跟踪关系的自动恢复和维护日益受到业界关注。近年来,人们对基于信息检索的需求跟踪自动化技术做了大量研究。然而对于需求与源代码之间的跟踪恢复,存在着需求与代码描述重点不同、代码注释难以保证等问题。现有技术难以保证跟踪链接的质量。本文针对需求与代码的跟踪恢复及优化问题,开展了以下工作:针对需求与代码描述重点不一致问题,提出了一种基于软件功能标签的改进VSM模型LVSM。该方法首先使用自动化方法从需求和源代码注释中提取动名词短语,然后通过人工去除无实际意义的动名词短语。保留的动名词短语则作为软件功能标签,一个标签代表了一个系统功能。将标签用于文档相似度计算中,通过标签减少了文档中冗余信息的干扰,提高了自动生成的跟踪链接的精度。针对源代码中注释质量无法保证,难以建立正确的跟踪关系问题,提出了一种基于代码结构的跟踪推荐算法CSTR。该方法通过抽象语法树AST分析代码结构,并提出一种简化的语法树描述方式,提高遍历语法树的效率。通过遍历语法树构建代码图结构,并将其存储在图数据库Neo4j中。代码图中相邻的代码单元通常具有相似的跟踪关系。通过查询图数据库中的结构关系对跟踪链接进行补充优化,提高了跟踪链接的整体质量。针对文中提出的方法,使用真实项目iTrust中的需求用例和代码数据进行验证。实验表明LVSM可以提高跟踪链接的精确率,CSTR可以提高跟踪链接的召回率,并且具有较好的整体效果。同时选取了另外两种方法CoChaIR和Coparvo与本文方法进行对比,验证了本文方法的有效性。