我正在寻找一种方法来量化多类模型标注器的性能，从而对它们进行比较。我想解释这样一个事实，即某些类别比其他类别“更接近”（例如，汽车比“花”更接近“卡车”。因此，如果贴标机将汽车分类为卡车，则比将汽车分类为花更好。我正在考虑使用 Jaccard 相似度得分。这会做我想要的吗？