1.一种数据处理方法，其特征在于，包括：
获取使用同一网络的用户群中每个用户的网络访问识别模型，其中，所述网络访问识别模型至少包含用户在预设时间段内通过所述同一网络进行页面访问之后，所确定的网络访问识别因素；
接收同样使用所述同一网络的当前用户的网络访问行为数据；以及
使用所述每个用户的网络访问识别模型分别对所述当前用户的网络访问行为数据进行分析，确定所述用户群中与所述当前用户的匹配度最高的用户。
2.根据权利要求1所述的方法，其特征在于，用户访问页面所确定的所述网络访问识别因素包括如下任意一个或多个参数：访问页面的访问次数、访问时长、跳出率、访问频率和访问深度。
3.根据权利要求2所述的方法，其特征在于，所述获取使用同一网络的用户群中每个用户的网络访问识别模型的步骤包括：
获取所述预设时间段内使用所述同一网络的所述每个用户的网络访问行为数据；
根据所述预设时间段内的所述每个用户的网络访问行为数据，确定所述用户群中每个用户的网络访问识别因素和相应的权重；以及
根据所述每个用户的网络访问识别因素xi和相应的权重ki，按照公式yi＝k1x1+k2x2+…+knxn生成所述每个用户的网络访问识别模型yi，其中，i为自然数。
4.根据权利要求3所述的方法，其特征在于，所述使用所述每个用户的网络访问识别模型分别对所述当前用户的网络访问行为数据进行分析，确定所述用户群中与所述当前用户的匹配度最高的用户的步骤包括：
从所述当前用户的网络访问行为数据中，提取得到所述当前用户进行页面访问后的网络访问识别因素；
使用所述每个用户的网络访问识别模型yi对所述当前用户的网络访问识别因 素进行处理，计算得到所述当前用户对应任意一个用户的网络访问识别模型yi的预测结果值；以及
将所述预测结果值最高的用户确定为与所述当前用户匹配度最高的用户。
5.根据权利要求3至4中任意一项所述的方法，其特征在于，使用回归算法确定所述每个用户的网络访问识别因素xi所对应的权重ki。
6.根据权利要求5所述的方法，其特征在于，在将所述预测结果值最高的用户确定为与所述当前用户匹配度最高的用户之后，所述方法还包括：
判断所述任意一个用户的预测结果值是否小于预设阈值；其中，
在所述预测结果值小于所述预设阈值的情况下，修正所述预测结果值小于所述预设阈值的用户的网络访问识别模型，直至所述预测结果值大于等于所述预设阈值。
7.根据权利要求6所述的方法，其特征在于，所述修正所述预测结果值小于所述预设阈值的用户的网络访问识别模型的步骤包括：
根据所述当前用户的网络访问行为数据，修正所述预设时间段内所确定的网络访问识别因素和相应的权重，得到修正后的每个用户的网络访问识别模型。
8.根据权利要求6所述的方法，其特征在于，所述修正所述预测结果值小于所述预设阈值的用户的网络访问识别模型的步骤包括：
以所述当前用户进行所述页面访问的时间为基准，根据所述每个用户的网络访问行为数据和所述当前用户的网络访问行为数据，确定修正后预设时间段内的网络访问识别因素和相应的权重，生成修正后的每个用户的网络访问识别模型。
9.一种数据处理装置，其特征在于，包括：
获取模块，用于获取使用同一网络的用户群中每个用户的网络访问识别模型，其中，所述网络访问识别模型至少包含用户在预设时间段内通过所述同一网络进行页面访问之后，所确定的网络访问识别因素；
接收模块，用于接收同样使用所述同一网络的当前用户的网络访问行为数据；以及
确定模块，用于使用所述每个用户的网络访问识别模型分别对所述当前用户的网络访问行为数据进行分析，确定所述用户群中与所述当前用户的匹配度最高 的用户。
10.根据权利要求9所述的装置，其特征在于，用户访问页面所确定的所述网络访问识别因素包括如下任意一个或多个参数：访问页面的访问次数、访问时长、跳出率、访问频率和访问深度。