近年，GNN（Graph Neural Networks）の進歩に伴い，時系列データ分析分野においてGNNを用いたアプローチが増加している．時系列データをGNNの入力として扱うために，時系列データをグラフデータに変換するSeries2Graphという手法が存在する．しかし，この手法で生成されるグラフは時間変化に伴う特徴量の隣接関係を表現する一方，グラフ構造が単純であり，ノードとエッジによる表現力の強みを活かせていない．したがって，本研究では，Series2Graphにエッジ生成を導入した新たな手法を提案し，表現力の高いグラフデータを生成するとともに，それらを効果的・効率的に畳み込むGNNモデルについて検討する．例として，加速度センサを用いた人間行動分類を通して，本手法の評価を行う．