可重复构建是指在预定义的构建环境下重新创建二进制工件的能力。由于可重复构建具有保证软件构建环境安全和提高软件构建和分发效率的作用,许多开源软件存储库（如Debian,Guix）开展了软件可重复构建实践。然而,由于判断信息的不足和源文件的复杂多样导致确定软件不可重复构建的原因仍是一项费时费力的挑战。为了克服这个挑战,本文研究了基于机器学习的软件不可重复构建原因分类检测。本文研究了四种典型的不可重复构建原因,即时间戳、文件顺序、随机性和语言环境,并用机器学习研究不可重复构建原因自动分类的工作。对不可重复构建原因的分类检测有利于开发者维护软件,保证软件供应链安全,提高开发人员的工作效率。本文提出了基于逻辑回归的不可重复构建原因分类算法,通过日志提取,日志预处理,特征向量构建,模型训练及分类预测来检测软件包不可重复构建的原因。首先,提取不可重复构建软件包的差异日志和构建日志,并分别根据日志各自的特性进行预处理。其次,将预处理后的日志按照文本相似性进行拼接,生成不可重复构建软件包的文本日志。然后利用word2vec产生的词向量并对文本日志进行向量表示,最后配合逻辑回归模型,对差异日志和构建日志合并的文本语料特征向量进行学习和训练,从而实现对不可重复构建原因的自动分类。本文对算法进行了实现,并在671个不可重复构建的Debian软件包上进行实验。实验结果表明,该方法达到了80.75%宏平均精度和86.07%的宏平均召回率,优于其它常用的机器学习算法。此外,本文还分析了差异日志和构建日志的相关性和重要性。实验结果表明两者对不可重复构建原因的分类都非常重要,缺一不可。本方法为不可重复构建原因自动分类提供可靠的研究依据。