Las tareas de predicción de enlaces tienen un valor de investigación extremadamente alto tanto en campos académicos como comerciales. Como caso especial, la predicción de enlaces en gráficos bipartitos ha estado recibiendo cada vez más atención gracias al gran éxito del sistema de recomendación en el campo de la aplicación, como la recomendación de productos en el comercio electrónico y la recomendación de películas en sitios de video. Sin embargo, la diferencia entre los gráficos bipartitos y unipartitos hace que algunos métodos diseñados para estos últimos no sean aplicables a los primeros, por lo que es bastante importante estudiar métodos de predicción de enlaces específicamente para gráficos bipartitos. En este documento, con el objetivo de medir mejor la similitud entre dos nodos en un gráfico bipartito y mejorar el rendimiento de la predicción de enlaces basado en eso, proponemos un índice de similitud basado en motivos específicamente para su aplicación en gráficos bipartitos. Nuestro índice puede considerarse como una evaluación de alto orden de la estructura local de un gráfico, que se refiere principalmente a dos tipos típicos de 4-motivos relacionados con gráficos bipartitos. Después de construir nuestro índice, lo integramos en un método comúnmente utilizado para medir el potencial de conexión entre cada par de nodos no conectados. Algunos pares de nodos están originalmente no conectados, y otros son aquellos que seleccionamos deliberadamente para eliminar sus bordes para pruebas posteriores. Realizamos experimentos en seis conjuntos de datos de redes públicas y los resultados implican que la mezcla de nuestro índice con el método tradicional puede obtener un mejor rendimiento de predicción en la mayoría de los casos. Esta es una fuerte prueba de la efectividad de nuestra exploración en la estructura de motivos. Además, nuestro trabajo señala una dirección interesante para la exploración de la estructura clave del gráfico en el campo de la predicción de enlaces.