Las redes convolucionales gráficas (GCNs), que modelan las acciones humanas como una serie de grafos espacio-temporales, han logrado recientemente un rendimiento superior en el reconocimiento de acciones basado en esqueletos. Sin embargo, los métodos existentes principalmente utilizan las conexiones físicas de las articulaciones para construir un grafo espacial, lo que resulta en una información topológica limitada del esqueleto humano. Además, las características de acción en el dominio del tiempo no han sido completamente exploradas. Para extraer mejor las características espacio-temporales, proponemos una red convolucional gráfica dispersa con atención mejorada en múltiples etapas (MS-ASGCN) para el reconocimiento de acciones basado en esqueletos.