يُقدَّم BERTScore بواسطة Tianyi Zhang وزملائه في عام 2019 (ICLR 2020)، والورقة البحثية ذات الصلة هي BERTScore: Evaluating Text Generation with BERT. يحسب BERTScore التشابه الدلالي على مستوى الرموز (tokens) باستخدام تضمينات السياق من نماذج مثل BERT، ثم يجمعها في مقاييس الدقة، والاستدعاء، و F1. إنه أكثر متانة تجاه التغيرات في المرادفات وترتيب الكلمات، وعادةً ما يُبلغ عنه كنسبة مئوية أو كدرجة تتراوح بين 0 و1، حيث تشير القيم الأعلى إلى أداء أفضل. وهو مكمّل مهم للتقييم الدلالي في مهام توليد النص، والتلخيص، والترجمة.