La predicción de enlaces encuentra el futuro o los enlaces faltantes en una red compleja social-biológica como una red de amistad, red de citas o red de proteínas. Los métodos actuales de predicción de enlaces siguen las propiedades de la red, como la centralidad del nodo, el número de aristas o los pesos de las aristas, entre muchos otros. Dado que las propiedades de las redes varían, los métodos de predicción de enlaces también varían. Estos métodos son inexactos ya que explotan información limitada. Este trabajo presenta un método de predicción de enlaces basado en el modelo de bloques estocásticos. La novedad de nuestro enfoque es el proceso de tres pasos para encontrar los nodos más influyentes utilizando la métrica m-PageRank, formando bloques utilizando el coeficiente de agrupamiento global y, finalmente, prediciendo los enlaces más optimizados utilizando la estimación de máxima verosimilitud. A través del análisis experimental de conjuntos de datos sociales, ecológicos y biológicos, demostramos que el modelo propuesto supera a los enfoques existentes más avanzados para la predicción de enlaces.