意味論 IDは、3種類（および1種類のサブタイプ）のノード と、ノード間の3種類の弧（または矢印）を持つ 有向非巡回グラフです。
ノード:
決定 ノード不確実性 ノード決定論的ノード （他のいくつかの不確実性の結果が既知であれば、その結果も決定論的に既知となる特殊な種類の不確実性に対応する）は、二重の楕円として描かれる。弧:
機能アーク （値ノードで終わるもの）は、加法的に分離可能な効用関数の構成要素の1つが、その末端にあるすべてのノードの関数であることを示しています。条件付きアーク （不確実性ノードで終わるアーク）は、その始点における不確実性が、終点にあるすべてのノードに確率的に条件付けられていることを示します。 条件付きアーク （決定論的ノードで終わるアーク）は、その始点における不確実性が、終点にあるすべてのノードに決定論的に条件付けられていることを示します。情報アーク （決定ノードで終わるもの）は、その先端にある決定が、末端にあるすべてのノードの結果を事前に知った上で行われることを示している。適切な構造のIDが与えられた場合：
意思決定ノードと入力情報アークは、代替案 （特定の意思決定の結果や不確実性が事前にわかっている場合に何ができるか）をまとめて示す。不確実性/決定論的ノードと入力条件付きアークは、情報 （既知の情報とその確率的/決定論的な関係）をまとめてモデル化する。 価値ノードと入力される機能アークは、選好度 （何が他のものよりも優先されるか）をまとめて定量化する。 選択肢、情報、および選好は、意思決定分析において 意思決定の根拠 と呼ばれ、有効な意思決定状況に必要な3つの構成要素を表しています。
形式的には、影響図のセマンティクスはノードとアークの逐次的な構築に基づいており、これは図内のすべての条件付き独立性の指定を意味します。指定は、d {\displaystyle d} X {\displaystyle X} Y {\displaystyle Y} Z {\displaystyle Z} Y {\displaystyle Y} Y {\displaystyle Y} X {\displaystyle X} Z {\displaystyle Z}
例 休暇中のアクティビティに関する意思決定のためのシンプルな影響図 意思決定者が休暇を計画している状況を表す、単純な影響図を考えてみましょう。
決定ノードが1つ（休暇アクティビティ ）、不確実性ノードが2つ（天候状況、天気予報 ）、価値ノードが1つ（満足度 ）あります。機能的なアークが2つ（満足度で終わる）、条件付きのアークが1つ（ 天気予報 で終わる）、情報的なアークが1つ（休暇中のアクティビティ で終わる）あります。満足度 で終わる関数アークは、満足度が 天候 と休暇中 のアクティビティの効用関数であることを示しています。言い換えれば、天候と選択したアクティビティが分かれば、満足度を定量化できるということです。（ただし、天気予報自体 には直接的な価値を置いていないことに注意してください。）天気予報 で終わる条件付きアークは、天気予報 と気象状況が 相互に依存しているという彼らの考えを示している。休暇アクティビティ で終わる情報アークは、選択時に天気予報 しか分からず、実際の天気は 分からないことを示しています。つまり、実際の天気は選択後に分かるため、この段階では予報だけが頼りになる情報となります。また、意味論的にも、例えば、天気予報 が分かっている場合、休暇中の活動は 天候状況 とは無関係である（無関係である）ということが導き出される。
上記の例は、意思決定分析において極めて重要な概念である「情報の価値」 を表現する上で、影響図が持つ力を強調しています。次の3つのシナリオを考えてみましょう。
シナリオ1：意思決定者は、天候状況 を把握した上で休暇中のアクティビティを決定することができる。これは、上記の影響図において、 天候状況から 休暇中のアクティビティ への情報アークを追加することに相当する。 シナリオ2：上記に示した元の影響図。 シナリオ3：意思決定者は天気予報を 知らずに意思決定を行う。これは、上記の影響図において、天気予報から 休暇活動 への情報伝達経路を削除することに相当します。 シナリオ1は、意思決定を行う際に重視する要素（気象条件 ）について不確実性が一切ないため、この意思決定状況において最良のシナリオと言えます。一方、シナリオ3は、重視する要素（気象条件）がどうなるかについてのヒント（天気 予報 ）が全くない状態で意思決定を行わなければならないため、この意思決定状況において最悪のシナリオと言えます。
意思決定者は通常、新しい情報を入手することでシナリオ3からシナリオ2へ移行する方が有利になる（平均的には少なくとも不利になることはない）。このような移行に対して意思決定者が支払うべき最大額は、天気予報 に関する情報の価値 と呼ばれ、これは本質的に天気状況 に関する不完全な情報の価値に相当する 。
このシンプルなIDと情報価値の概念の適用範囲は非常に広く、特に医療における意思決定 においては、患者や疾患などに関する不完全な情報に基づいて意思決定を行わなければならない場合が多いため、その重要性は計り知れません。
影響図は階層構造を持ち、その構造に基づいて定義することも、図の要素間の機能的および数値的な関係に基づいてより詳細に定義することもできます。構造、機能、数値のすべてのレベルで一貫して定義されている影響 図は、明確に定義された数学的表現であり、 整形式影響図 （WFID）と呼ばれます。WFIDは、反転 操作と削除 操作を使用して評価することで、確率的、推論的、および決定的な質問の幅広いクラスに対する回答を得ることができます。より最近の技術は、人工知能の研究者によって 、ベイジアンネットワーク推論 （信念伝播 ）に関して開発されています。
不確実性ノードのみを持つ影響図（すなわち、ベイジアンネットワーク）は、関連性図とも呼ばれます。ノード A とB を結ぶ弧は、「 Aは B に関連している」だけでなく、「 Bは A に関連している」ことも意味します（つまり、関連性は 対称的な 関係です）。
参考文献 Detwarasiti, A.; Shachter, RD (2005 年 12 月). 「チーム意思決定分析のための影響図」(PDF) . Decision Analysis . 2 (4): 207– 228. doi : 10.1287/deca.1050.0047 . ホルツマン、 サミュエル（1988）。インテリジェント意思決定システム 。アディソン・ウェスリー。ISBN 978-0-201-11602-1 。Howard, RA および JE Matheson、「影響図」 (1981)、 RA Howard および JE Matheson 編『意思決定分析の原理と応用に関する論文集 』第 II 巻 (1984)、カリフォルニア州メンローパーク: Strategic Decisions Group。 Koller, D.; Milch, B. (2003年10月). 「ゲームの表現と解決のためのマルチエージェント影響図」(PDF) . Games and Economic Behavior . 45 : 181– 221. doi : 10.1016/S0899-8256(02)00544-4 . パール、ジュデア （1988）。知能システムにおける確率的推論：もっともらしい推論のネットワーク 。ISBN 0-934613-73-7 。Shachter, RD (1986年11月～12月) 「影響図の評価」 (PDF) . Operations Research . 34 (6): 871– 882. doi : 10.1287/opre.34.6.871 . Shachter, RD (1988年7月～8月) 「確率的推論と影響図」 (PDF) . Operations Research . 36 (4): 589– 604. doi : 10.1287/opre.36.4.589 . hdl : 10338.dmlcz/135724 . Virine, Lev; Trumper, Michael (2008).プロジェクト意思決定：芸術と科学 . ウィーンVA：マネジメント・コンセプツ. ISBN 978-1-56726-217-9 。 Pearl, J. (1985).ベイズネットワーク：証拠推論のための自己活性化記憶モデル （UCLAテクニカルレポートCSD-850017） 。認知科学学会第7回年次会議議事録、1985年4月15～17日。カリフォルニア大学アーバイン校、カリフォルニア州。pp. 329–334 。 2010年5月1 取得 。
外部リンク 影響図とは何ですか？ Pearl, J. (2005年12月). 「影響図 ― 歴史的および個人的視点」(PDF) . Decision Analysis . 2 (4): 232–4 . doi : 10.1287/deca.1050.0055 .
