La predicción de enlaces es una tarea que predice si hay un enlace entre dos nodos en una red. Los métodos tradicionales de predicción de enlaces que asumen características diseñadas a mano (como vecinos comunes) como mecanismo de formación del enlace no son universales. Otros métodos populares tienden a aprender la representación del enlace, pero no pueden representar completamente el enlace. En este artículo, proponemos Edge-Nodes Representation Neural Machine (ENRNM), un método novedoso que puede aprender abundantes características topológicas de la red como representación del enlace para promover la formación del enlace. El ENRNM aprende el mecanismo de formación del enlace combinando la representación del borde y las representaciones de los nodos en los dos lados del borde como representación completa del enlace. Para predecir la existencia del enlace, entrenamos una red neuronal completamente conectada que puede aprender patrones significativos y abundantes. Demostramos que las características del borde y los dos nodos tienen la misma importancia en la formación del enlace. Se realizan experimentos exhaustivos en ocho redes, los resultados experimentales demuestran que el método ENRNM no solo supera a muchos métodos de predicción de enlaces de última generación, sino que también funciona muy bien en redes diversas con diferentes estructuras y características.