在文本摘要领域，常用的评估指标有以下几种：

  1. ROUGE（Recall-Oriented Understudy for Gisting Evaluation）: ROUGE指标是目前最为常用的文本摘要评估指标之一。它主要衡量生成摘要与参考摘要之间的重叠度，包括ROUGE-1、ROUGE-2和ROUGE-L等变种。ROUGE-1衡量的是生成摘要与参考摘要中的unigram词汇之间的重叠程度；ROUGE-2衡量的是生成摘要与参考摘要中的bigram词汇之间的重叠程度；ROUGE-L则是使用最长公共子序列（LCS）的方法来比较生成摘要与参考摘要之间的重叠程度。

  2. BLEU（Bilingual Evaluation Understudy）: BLEU指标是一种在机器翻译领域广泛使用的评估指标，也常应用于文本摘要。BLEU主要通过比较生成摘要与参考摘要之间的n-gram重叠程度来评估生成摘要的质量。它使用了准确率（Precision）和召回率（Recall）的概念，通过计算参考摘要中的n-gram在生成摘要中的出现次数，以及生成摘要中的n-gram在参考摘要中的最大出现次数，来得到最终的BLEU分数。

  3. METEOR（Metric for Evaluation of Translation with Explicit ORdering）: METEOR指标是一种综合考虑了词汇准确率、词序准确率和语义相似度的评估指标。它通过将生成摘要与参考摘要之间的匹配转化为字符串编辑距离（String Edit Distance），并对匹配结果进行加权计算，得到最终的METEOR分数。

  4. CIDEr（Consensus-based Image Description Evaluation）: CIDEr指标是一种基于一致性的图像描述评估指标，但也可以应用于文本摘要领域。与传统的基于词汇重叠的指标不同，CIDEr主要关注生成摘要与参考摘要之间的语义一致性。它通过计算生成摘要中的不同短语在参考摘要中的一致性得分，并进行加权平均，得到最终的CIDEr分数。

  以上是常用的文本摘要评估指标，每个指标都有其特定的计算方法和适用范围。在实际应用中，根据具体需求和数据集特点选择合适的评估指标进行评估，以更全面地评估文本摘要系统的质量。