骨格に基づく動作認識は、与えられた骨格シーケンスから人間の動作の動き特性を適切に理解する重要なタスクである。最近の研究では、骨格シーケンスの空間的および時間的特徴を探索することがこのタスクにとって不可欠であることが示されている。しかし、効果的に差別的な空間的および時間的特徴を抽出する方法は依然として課題となっている。本論文では、骨格データから人間の動作を認識するために新しい注意強化型グラフ畳み込みLSTMネットワーク（AGC-LSTM）を提案する。提案されたAGC-LSTMは、空間構成と時間動態における差別的な特徴を捉えるだけでなく、空間領域と時間領域の共起関係も探索できる。また、時間階層アーキテクチャを提示し、最上位のAGC-LSTMレイヤーの時間受容野を拡大することで、高レベルな意味表現を学習する能力を向上させるとともに計算コストを大幅に削減する。さらに、差別的な空間情報を選択するために、各AGC-LSTMレイヤーで主要な関節の情報を強化するための注意メカニズムが採用されている。2つのデータセット（NTU RGB+D データセットとNorthwestern-UCLA データセット）での実験結果が提供される。比較結果は我々の手法の有効性を示し、両方のデータセットにおいて最先端の手法を超える性能を持つことを証明している。