Para encontrar un equipo de diseñadores adecuado para la tarea de crowdsourcing de diseño colaborativo de un producto, consideramos el problema de emparejamiento entre el grafo de la tarea de crowdsourcing de diseño colaborativo y el grafo de la red de diseñadores. Debido a la diferencia en los nodos y bordes de los dos tipos de grafos, proponemos un modelo de emparejamiento de grafos basado en una estructura similar. El modelo utiliza primero la Red Neuronal Convolucional de Grafos para extraer características de la estructura del grafo y obtener las incrustaciones a nivel de nodo. En segundo lugar, un mecanismo de atención que considera las diferencias en la importancia de los diferentes nodos en el grafo asigna diferentes pesos a los distintos nodos para agregar las incrustaciones a nivel de nodo en incrustaciones a nivel de grafo. Finalmente, las incrustaciones a nivel de grafo de los dos grafos que se van a emparejar se introducen en una red neuronal completamente conectada de múltiples capas para obtener la puntuación de similitud del par de grafos después de que se obtienen de la operación de concatenación. Comparamos nuestro modelo con el modelo básico basado en cuatro métricas de evaluación en dos conjuntos de datos. Los resultados experimentales muestran que nuestro modelo puede encontrar pares de grafos de manera más precisa basándose en una estructura similar. El mecanismo de enlace del cigüeñal producido por la empresa se toma como ejemplo para verificar la practicidad y aplicabilidad de nuestro modelo y método.