यह पत्र कोहेन के कप्पा और इंट्राक्लास सहसंबंध जैसे सहमति मैट्रिक्स से संबंधित है। इन मैट्रिक्स का उपयोग विभिन्न क्षेत्रों (जैसे चिकित्सा, कृत्रिम बुद्धिमत्ता, आदि) में किया जाता है, चिकित्सा उपचारों और नैदानिक परीक्षणों की प्रभावशीलता का मूल्यांकन करने से लेकर क्लासिफायर एट्रिशन के कारण सन्निकटन को निर्धारित करने तक। यह पत्र एक आधारभूत क्लासिफायर के साथ सहमति मैट्रिक्स पर आधारित क्लासिफायर की स्थिरता की तुलना करने के लिए एक विधि प्रस्तुत करता है, और केवल सहमति मैट्रिक्स के आधार पर किसी दृष्टिकोण को अच्छा या बुरा मानने की सीमाओं को इंगित करता है। कोहेन के कप्पा के कुछ मौजूदा उपायों में सरल होने और मनमानी सीमाएँ होने की समस्या है। इसलिए, यह पत्र दो क्लासिफायर के बीच सहमति मूल्यों के महत्व का मूल्यांकन करने के लिए एक सामान्य दृष्टिकोण का प्रस्ताव करता है, और दो महत्व सूचकांक पेश करता है जो क्रमशः परिमित डेटासेट और वर्गीकरण संभावना वितरण से निपटते हैं। इसके अलावा, हम इन सूचकांकों का कुशलतापूर्वक मूल्यांकन करने के लिए एक एल्गोरिथ्म का प्रस्ताव करते हैं।
