本文通过将开发人员在开发和迭代过程中提交到版本控制工具中的代码提交信息作为辅助信息,将现有的动态需求跟踪技术与获取到的辅助信息结合,使动态需求跟踪的精度得到了较大的提升。本文主要研究内容如下:首先,研究了现有的动态需求跟踪与版本控制的方法与理论,提出了基于版本控制的动态需求跟踪模型,决定将开发人员在版本控制工具中的代码提交记录作为辅助信息。设计并实现了对输入信息提取与处理,将代码提交信息提取出来,并进行语义处理使之能够更好的被文本信息检索技术利用。其次,提出了 IRBOCL算法(基于代码提交记录的文本信息检索算法),该算法通过代码提交记录去重、词形规范化、文本信息建模和综合相似度计算等几个步骤,最后得到需求跟踪关系。通过对IRBOCL的实验结果分析得知,该算法能较好的提高需求跟踪的全面率,但是会降低需求跟踪的正确率。然后,为了弥补IRBOCL全面率降低的缺陷,本文又提出了基于Apriori改进的文件间关联关系挖掘算法挖掘源代码文件间的强关联关系。基于Apriori改进的算法认为在如果多个源代码文件在版本控制工具中被同时提交,则认为这些源代码文件间具有一定的关联关系,然后通过该算法找出无冗余的文件间强关联关系,再利用这些关联关系对跟踪结果进行调整和推荐。最后,选用代码托管平台GitHub上的开源框架Junit进行实验,分析了单纯的基于文本信息检索技术的需求跟踪方法和有基于版本控制的需求跟踪模型的实验数据,验证了基于版本控制的动态需求跟踪模型的可行性与有效性。实验结果表明该模型能够找到传统跟踪方法遗漏的需求跟踪关系,能够提高自动化跟踪的准确性,节省跟踪时间。