BERTScore 是一種先進的自然語言處理（NLP）評估指標，用於衡量兩段文本之間的語義相似度。它利用預訓練的BERT模型（及其變體如RoBERTa、XLNet）生成的上下文詞向量（contextual embeddings），通過計算候選文本與參考文本中詞彙向量的餘弦相似度，來評估文本的語義匹配度。
與傳統的BLEU、ROUGE等基於詞語或n-gram重疊的指標不同，BERTScore能捕捉語境和語義層面的細微差異，能更準確地反映人類對語義相似性的判斷。例如，對同義詞、語序變化或語義等價的句子，BERTScore能給出較高的相似度評分，而傳統指標往往無法識別這些語義層面的相似。
BERTScore會計算精確率（precision）、召回率（recall）和F1分數，通過將候選句子中每個詞與參考句子中最相似的詞匹配，並可選擇加權稀有詞來提升評估敏感度。總結來說，BERTScore是一種基於語義理解的文本評估工具，特別適用於機器翻譯、文本生成、摘要等需要捕捉語義深度的NLP任務，且在多個研究中證明其與人類評分的相關性遠高於傳統指標。
