ROUGE, eingeführt von Lin (2004), bewertet eine Zusammenfassung danach, wie viel ihres Inhalts (überlappende N-Gramme oder längste gemeinsame Teilfolgen) mit menschlichen Referenzzusammenfassungen übereinstimmt – mit Schwerpunkt auf dem Recall, also darauf, wie viel Referenzinhalt erfasst wird. ROUGE wurde zur Standardmetrik für die automatische Bewertung von Zusammenfassungen.
Wie BLEU misst ROUGE oberflächliche Überschneidungen statt Bedeutung und ergänzt die menschliche Prüfung daher, statt sie zu ersetzen.