ROUGE（Recall-Oriented Understudy for Gisting Evaluation） 是一組廣泛用於自然語言處理（NLP）中自動摘要和機器翻譯等文本生成質量評估的指標。
主要特點包括：
• 評估方式：ROUGE 通過比較機器生成的文本（候選文本）與一個或多個人工撰寫的參考文本之間的詞彙重疊程度，來衡量生成文本的質量。• 指標類型：
• ROUGE-N：基於n-gram重疊，常見有ROUGE-1（單詞重疊）和ROUGE-2（雙詞組重疊）；
• ROUGE-L：基於「最長公共子序列」（Longest Common Subsequence, LCS），考慮句子結構的連續性；
• ROUGE-W：加權的LCS評分，強調連續匹配；
• ROUGE-S 和 ROUGE-SU：基於跳躍雙詞組（skip-bigram）和單詞重疊的統計。
• 計算指標：ROUGE通常計算精確率（Precision）、召回率（Recall）和F1分數，反映生成文本與參考文本在內容捕捉上的準確度和平衡性。
• 應用範圍：主要用於文本摘要、內容生成、問答系統、實體抽取和檢索增強生成等生成式AI任務。
• 分數範圍：0到1之間，分數越高表示生成文本與參考文本越相似，質量越好。
總結來說，ROUGE是目前NLP領域評估自動生成文本質量的核心指標之一，通過量化候選文本與人工參考文本的詞彙和結構重疊，幫助研究者和開發者客觀衡量模型的表現。不過，它較偏重字面匹配，對語義層面的捕捉有限，通常會與其他語義評估指標（如BERTScore）搭配使用。
