Con la popularización de las comunicaciones 5G, la escala de las redes sociales ha crecido rápidamente, y los tipos de mensajes se han vuelto cada vez más complejos. Los aumentos rápidos en el número de nodos de acceso y la cantidad de datos han puesto una mayor carga en la transmisión de información en las redes. Sin embargo, al transferir datos de un gran número de usuarios, el rendimiento de los algoritmos de enrutamiento de redes oportunísticas tradicionales es insuficiente, lo que a menudo conduce a problemas como alto consumo de energía, congestión de red y pérdida de paquetes de datos. La forma de mejorar este entorno de transmisión se ha convertido en una tarea difícil. Por lo tanto, para garantizar la transmisión efectiva de datos y reducir la congestión de red, este documento propuso un modelo de predicción de enlaces basado en relaciones triangulares en redes sociales oportunísticas (LPMBT). En la estructura topológica de la red social, el algoritmo puntúa los enlaces en función de la frecuencia de uso y selecciona el nodo de retransmisión óptimo en función de la puntuación. También puede rastrear eficientemente el nodo objetivo y reconstruir la subcomunidad. Los resultados experimentales de simulación mostraron que el algoritmo tenía un rendimiento excelente, redujo efectivamente los gastos generales, disminuyó la demora de extremo a extremo y mejoró significativamente la tasa de transferencia de datos en la red oportunista.