時系列セグメンテーションは、さまざまな領域における時間データの分析において重要なタスクであり、その品質を評価するための手段は依然として限られています。本論文では、既存の評価尺度が変更点の正確性やポイントベースの指標（例：調整ランダムインデックス）に依存し、セグメントの質や誤りの特性を適切に捉えていないことを指摘しています。ここで、新たに提案する評価尺度：WARI（加重調整ランダムインデックス）およびSMS（状態マッチングスコア）は、セグメンテーションエラーの位置や特性を考慮し、より具体的に評価できる方法を提示しています。これらの新しい尺度は、従来の手法と比較して、精度の高いセグメンテーション評価を提供し、エラーの起源や種類に関する新たな洞察も明らかにします。