استخلاص الأحداث الطبية الحيوية يُعد أمرًا بالغ الأهمية لفهم التفاعلات الجزيئية الحيوية المُوصوفة في المجموعات العلمية. إحدى التحديات الرئيسية تكمن في تحديد الأحداث المُدمجة ذات الهياكل المعقدة المرتبطة بعبارات مُحفِّزة غير مؤشرة. نقترح دمج المعرفة المتخصصة من نظام اللغة الطبية الموحّد (UMLS) مع نموذج لغوي مُدرّب مسبقًا من خلال شبكات الانتباه المشروطة بحافة الرسم البياني (GEANet) وتمثيل رسم بياني هرمي. ولتحسين التعرف على عبارات الحفز، يتم أولاً ربط كل جملة برسم بياني جملة بناءً على رسم بياني معرفي هرمي مُصمم بشكل مشترك من UMLS. ثم يتم نشر هذه الرسوم البيانية المُثبتة باستخدام GEANet، وهي شبكة عصبية رسمية جديدة تُعزز القدرات في استنتاج الأحداث المعقدة. وفي مهمة استخلاص الأحداث في BioNLP 2011 (GENIA)، حقق النهج المقترح تحسنًا بنسبة 1.41% في معامل F1 بالنسبة لجميع الأحداث، وبنسبة 3.19% في الأحداث المعقدة. وتدعم دراسات التحليل التجريبي أهمية GEANet والرسم البياني المعرفي الهرمي.