本稿では、骨格の時系列データを用いた動作認識のため、グラフ畳み込みネットワーク（GCN）の時間的グラフを拡張するモジュールを提案する。従来の手法はフレーム内におけるより適切な空間的グラフの表現に注力しているが、フレーム間の時間的グラフの最適化にはほとんど注目していない。具体的には、これらの手法はフレーム間において同一関節に対応する頂点間のみに接続を設ける。本研究では、フレーム間における隣接する複数の頂点間に接続を追加し、拡張された時間的グラフに基づいて新たな特徴を抽出することに焦点を当てる。本モジュールは、人体運動における複数関節間の相関特徴を簡潔かつ効果的に抽出する手法であり、空間的グラフのみを最適化する他のGCN手法と組み合わせることで、さらなる性能向上を実現する。本研究では、大規模な2つのデータセットであるNTU RGB+DとKinetics-Skeleton上で広範な実験を行い、提案モジュールが複数の既存モデルにおいて有効であることを示した。また、最終的なモデルは最先端の性能を達成した。