国产午夜精品一区二区-国产午夜精品视频-国产午夜精品免费一二区-国产午夜精品理论片在线-国产午夜精品理论片影院-国产午夜精品理论片

創澤機器人
CHUANGZE ROBOT
當前位置:首頁 > 新聞資訊 > 機器人知識 > 情感分析技術:讓智能客服更懂人類情感

情感分析技術:讓智能客服更懂人類情感

來源:阿里機器智能     編輯:創澤   時間:2020/5/19   主題:其他 [加盟]

人機對話一直是自然語言處理L域內的重要研究方向之一,近年來隨著人機交互技術的進步,對話系統正逐漸走向實際應用。其中,智能客服系統受到了很多企業尤其是中大型企業的廣泛關注。智能客服系統旨在解決傳統客服模式需要大量人力的狀況,在節約人力的同時,使得人工客服在針對特別問題或者特別用戶時能夠提供更G質量的服務,從而實現“智能客服 + 人工客服”在服務效率和服務質量兩個維度上的整體提升。近年來,許多中大型公司都已經構建了自己的智能客服體系,例如富士通的 FRAP、京東的 JIMI 和阿里巴巴的 AliMe 等。

智能客服系統的構建需要依托于行業數據背景,并基于海量知識處理和自然語言理解等相關技術。初代智能客服系統主要面對業務內容,針對G頻的業務問題進行回復解決,此過程依賴于業務專家對G頻業務問題答案的準確整理,主要的技術點在于準確的用戶問題和知識點之間的文本匹配能力。新型的智能客服系統將服務范圍定義為泛業務場景,除了解決處理核心的G頻業務問題,智能導購能力、障礙預測能力、智能語聊能力、生活助理功能以及生活娛樂交互等方面的需求也同樣被重視和涵蓋。其中,情感能力做為類人能力的重要體現,已經在智能客服系統的各個維度的場景中被實際應用,并且對系統類人能力的提升起到了至關重要的作用。

一  智能客服系統中情感分析技術架構

 

圖 1:智能客服系統中的情感分析技術架構

圖 1 給出了經典的人機結合的智能客服模式,用戶能夠通過對話的方式,接受來自機器人或者人工客服的服務,并且在接受機器人服務的過程中,能夠利用指令的方式或者機器人自動識別的方式跳轉到人工客服。在上述的完整客服模式中,情感分析技術已經被實際應用在多個維度的能力之上。

二  用戶情感檢測 

1  用戶情感檢測模型介紹

用戶情感檢測是很多情感相關應用的基礎和核心。在本文中,我們提出一種集成詞語義特征、多元詞組語義特征和句子級語義特征的情感分類模型,用于識別智能客服系統用戶對話中包含的“著急”、“氣憤”和“感謝”等情感。關于不同層次語義特征的抽取技術,相關工作中已經多有提及,我們將不同層次的語義特征結合到一起,能夠有效提升終的情緒識別效果。圖 2 給出了該情感分類模型的架構圖。

  圖 2:智能客服系統中的用戶情感檢測模型

2  句子級語義特征抽取

Shen 等人[3]提出 SWEM 模型,該模型將簡單的池化策略應用于詞嵌入向量,實現句子級別的語義特征抽取,并且基于此類特征進行訓練得到的分類模型和文本匹配模型能夠得到與經典的卷積神經網絡類模型和循環神經網絡類模型幾乎持平的實驗效果。

在我們的模型中,我們利用 SWEM 模型的特征抽取能力,獲取用戶問題的句子級別語義特征,并將其用于對用戶問題的情感分類模型中。

3  多元詞組語義特征抽取

傳統的 CNN 模型在很多情況下被用于抽取 n 元詞組語義特征,其中 n 是一個變量,表示卷積窗口大小。在本文中,我們根據經驗將 n 分別設置為 2、3 和 4,并且針對每一種窗口大小,我們分別設置 16個 卷積核,以用于從原始的詞向量矩陣中抽取豐富的 n 元詞組語義信息。

4  詞級別語義特征抽取

我們利用 LEAM 模型 [1] 抽取詞級別的語義特征。LEAM 模型同時將詞語和類別標簽進行同維度語義空間的嵌入式表示,并且基于該表示進行文本分類任務的實現。LEAM 利用類別標簽的表示,增加了詞語和標簽之間的語義交互,以此達到對詞級別語義信息更深層次的考慮。圖 3(2)中給出了類別標簽和詞語之間的語義交互的圖示,并且給出了 LEAM 模型與傳統模型之間的對比。

 


圖 3:LEAM模型中詞語和類別標簽之間的語義交互(傳統方法和LEAM模型的對比)

后,不同級別的語義特征會在被合并在一起之后,輸入到整個模型的后一層,由邏輯回歸模型進行終的分類訓練。

表 1 中給出了我們提出的集成式模型和三個只考慮單個層次特征的對比模型之間的線上真實評測效果對比結果。


 表 1:集成模型和三種 baseline 模型的效果對比

三  用戶情感安撫

1  用戶情緒安撫整體框架介紹

本文中提出的用戶情緒安撫框架包括離線部分和在線部分,如圖 4 所示。

 

圖 4:用戶情緒安撫整體框架

離線部分

首先需要對用戶的情緒進行識別。此處我們選取了需要安撫的用戶常見的七種情緒進行識別,它們是害怕、辱罵、失望、委屈、著急、氣憤和感謝。

其次,我們對用戶問題中包含的主題內容進行識別,此處由專門的業務專家總結了用戶常見的 35 種主題表達內容,包括“抱怨服務質量”和“反饋物流太慢”等。主題識別模型,我們使用與情緒識別同樣的分類模型設計。

知識構建是針對一些用戶表達內容更具體的情況,整理其中G頻出現的并且需要進行安撫的用戶問題。這些具體的用戶問題之所以沒有合并到上述的主題維度進行統一處理,是因為主題維度的處理還是相對粗粒度一些,我們希望針對這些G頻的更聚焦的問題,同樣進行更聚焦的安撫回復,實現更好的回復效果。

針對情緒維度、“情緒 + 主題”維度和G頻用戶問題維度,業務專家分別整理了不同粒度的安撫回復話術。特別地,在G頻用戶問題維度,我們將每一個“問題 - 回復”搭配稱為一條知識。

在線部分

基于知識的安撫是針對帶有具體情緒內容表達的用戶進行安撫,在此我們使用了一種文本匹配模型來評價用戶問題與我們整理好的知識中的問題的匹配度。如果在我們整理好的知識中存在與當前用戶輸入問題意思非常相近的問題,則對應的回復直接返回給用戶。

基于情緒和主題的情感回復,是指同時考慮用戶表達內容中包含的情緒和主題信息,給予用戶合適的情感回復。相比于基于知識的安撫,此種方式的回復會更加的泛化一些。

基于情緒類別的情感回復,是只考慮用戶表達內容中的情緒因素而對用戶進行相應的安撫回復。此回復方式是上述兩種回復方式的補充和兜底,同時回復的內容也會更加的通用。

 

圖 5:用戶情緒安撫示例

圖 5 給出了在線情感安撫的三個示例,分別對應上述的三種不同層面的回復機制。 表 2:需要安撫的情感分類效果對比

表 2 給出了針對需要安撫情感的分類模型效果對比,包括每種情感類別的單獨效果以及終的整體效果。表 3 給出了針對主題的分類模型效果對比。表4給出了針對幾種負面情感,增加了情緒安撫之后,用戶滿意度的提升效果。表 5 給出了針對感激這種情感,增加了情緒安撫之后,用戶滿意度的提升效果。 表 3:主題分類效果對比 表 4:負面情緒安撫對用戶滿意度的效果對比 表 5:感激情感安撫對用戶滿意度的效果對比

四  情感生成式語聊

1  情感生成式語聊模型

圖 6 中給出了智能客服系統中的情感生成式語聊的模型圖。圖中,source RNN 起到了編碼器的作用,將源序列s映射為一個中間語義向量 C,而 target RNN 作為解碼器,則能夠根據語義編碼 C 以及我們設定的情緒表示 E 和主題表示 T,解碼得到目標序列 y。此處的 s 和 y,分別對應圖中由詞語序列組成的“今天心情很好”和“好開心呀!”兩個句子。

通常,為了使解碼器能夠保留來自編碼器的信息,編碼器的后一個狀態將作為初始狀態傳遞給解碼器。同時,編碼器和解碼器往往使用不同的 RNN 網絡用以捕獲問句和回復句不同的表達模式。具體的計算公式如下:

雖然基于 Seq2Seq 的對話生成模型取得了不錯的效果,但是在實際應用中模型很容易生成安全但是無意義的回復。原因在于該模型中的解碼器僅僅接收到編碼器后的一個狀態輸出 C,這種機制對處理長期依賴效果不佳,因為解碼器的狀態記憶隨著新詞的不斷生成會逐漸減弱甚至丟失源序列的信息。緩解這個問題的一個有效方式是引入注意力機制[2]。

圖 6:智能客服系統中的情感生成式語聊模型

2  情感生成式語聊模型結果

模型訓練完成之后,在真實的用戶問題上進行測試,結果由業務專家進行檢查,終的答案合格率約為 72%。另外,回復文本的平均長度為 8.8 個字,非常符合阿里小蜜語聊場景中對回復長度的需求。表 6 中給出了本文模型 AET(Attention-based emotional & topical Seq2Seq model)與傳統 Seq2Seq 模型的效果對比。對比主要集中在內容合格率以及回復長度兩個方面。添加了情緒信息之后,回復內容較之傳統 seq2seq 模型會更為豐富,而符合用研分析的“5 - 20字”佳機器人語聊回復長度的內容占比也會大幅增加,終使得整體的回復合格率提升明顯。 

圖 7 中給出了阿里小蜜情緒生成式語聊模型在小蜜空間中的應用示例。圖中兩個答案均由情緒生成式模型給出,并且,對于用戶辱罵機器人太傻的用戶輸入,我們的模型可以根據設置的對應合理的話題和情緒,產生不同的答案,豐富了答案的多樣性,圖中兩個答案,則是由‘委屈’和‘抱歉’兩個情緒產生。 圖 7:小蜜空間中的情緒生成式語聊應用實例


 

五  客服服務質檢

1  客服服務質量問題定義

本文所說的客服服務質檢是針對人工客服在和客戶對話的過程中可能出現的存在問題的服務內容進行檢測,從而更好地發現客服人員在服務過程中存在的問題并協助客服人員進行改進,達到提G客服服務質量,終提G客戶滿意度效果。據作者所知,目前還沒有公開實現的針對客服系統中客服服務質量檢測的人工智能相關算法模型。

與人機對話不同,人工客服和客戶的對話并不是一問一答形式,而是客戶和客服分別能夠連續輸入多句文本。我們的目標是檢測每一句客服的話術內容是否包含“消J”或者“態度差”兩種服務質量問題。

2  客服服務質檢模型

為了檢測一句客戶話術的服務質量,我們需要考慮其上下文內容,包括用戶問題和客服話術。我們考慮的特征包括文本長度、說話人角色和文本內容。其中,針對文本內容,除了利用 SWEM 模型對待檢測的當前客服話術進行特征抽取,我們還對上下文中的每輪話術進行情緒檢測,發現用戶情緒類別和客服情緒類別作為模型特征,而此處使用的情緒識別模型也如第 2 章中所述一致,亦不再贅述。此外,我們還考慮了兩種結構(圖 8 中模型 1 和圖 9 中模型 2)對基于上下文內容的文本序列語義特征進行抽取。

其中,模型 1 在對當前客服話術及其上下文每句文本進行基于 GRU 或 LSTM 的編碼之后,針對編碼結果,考慮利用正向和反向 GRU 或者 LSTM 分別對當前待檢測客服話術的上文和下文的編碼結果進行再次的序列化編碼,如此得到的兩個序列化編碼結果均是以當前話術為尾句,能夠更好的體現當前話術的語義信息。模型結構如圖 8 所示。

另外,模型 2 將當前客服話術及其上下文的編碼結果,再次按照前后順序進行整體的正向 GRU 或 LSTM 編碼作為終的語義特征。模型結構的部分展示如圖 9 所示。模型 1 與模型 2 相比,模型1會更加凸顯當前待檢測話術的語義信息,而模型 2 則更加多得體現整體上下文的序列化語義信息。

我們比較兩種上下文語義信息抽取模型的效果,表7中給出了對比結果,結果顯示模型 1 的效果要優于模型 2,可見對于當前待檢測話術的語義信息確實需要給予更多的權重,而上下文的語義信息可以起到輔助識別的作用。此外,之前提到的 GRU 或者 LSTM 兩種方法在實際的模型訓練過程中,效果差別不大,但是 GRU 方法要比 LSTM 方法在速度上更快一些,因此所有的模型實驗過程中均使用了 GRU 方法。

此外,區別于模型層面的指標分析,我們針對模型在實際的系統層面的指標也進行了相應的分析,包括了質檢效率以及召回率兩個維度。這兩個指標,我們是以模型的結果與之前純人工質檢的結果進行對比得到。如表 8 中所示,不管是質檢效率還是質檢的召回率都得到了非常大的提升。其中,人工質檢的召回率比較低的原因,是因為人工不可能檢測所有的客服服務記錄。 表 8:實際系統層面的模型指標評價結果

六  會話滿意度預估

1  會話滿意度

目前在智能客服系統的性能評估指標中,有一項為重要的指標為用戶會話滿意度。而針對智能客服系統中的用戶會話滿意度自動預估的工作,據作者所知還沒有相關的研究成果。

針對智能客服系統中的會話滿意度預估場景,我們提出了會話滿意度分析模型,可以更好的反應當前用戶對智能客服的滿意度程度。由于不同用戶存在評價標準差異,會存在大量會話內容、會話答案來源、會話情緒信息完全相同的情況下情緒類別不一致的情況。因此我們采用了兩種模型訓練方式:D一種是訓練模型擬合情緒類別(滿意、一般、不滿意)的分類模型,另一種是訓練模型擬合會話情緒分布的回歸模型,后對兩種方式效果做了對比。

2  會話滿意度特征選取

會話滿意度模型考慮了各種維度信息:語義信息(用戶話術)、情緒信息(通過情感檢測模型獲取)、答案來源信息(回復當前話術的答案來源)。

語義信息是用戶與智能客服交流過程中所表達的內容信息,它可以從用戶話術中較好反應用戶當前滿意狀況。我們在模型中使用的語義信息是指會話中的多輪話術信息,在模型處理過程中,為了保證每次模型能夠處理相同輪次的話術,我們實驗中只使用會話中后4句用戶話術,選擇此種方式的原因是通過會話數據分析,用戶在會話即將結束時的語義信息與整體會話滿意程度更為相關。比如,用戶在會話結尾時表達感激之類的話術基本表示滿意,而表達批評之類的話術則很可能表示了對服務的不滿。

情緒信息一般在用戶滿意度方面起著非常大的參考作用,當用戶出現憤怒、辱罵等J端情緒時,用戶反饋不滿意的概率會J大。此處的情緒信息與語義信息中的話術一一對應,對選取的幾輪話術分別進行情緒識別,獲取對應的情緒類別信息。

答案來源信息可以很好的反應用戶遇到何種問題,由于不同的答案來源代表著不同業務場景,不同場景問題產生的用戶滿意度狀況差異性比較明顯。比如,投訴、維權類會比咨詢類更容易導致用戶不滿意。

3  會話滿意度模型

在本文中,我們提出了結合語義信息特征、情緒信息特征和答案來源信息特征的會話滿意度預估模型。模型充分考慮了會話中的語義信息,并且使用了數據壓縮的方式將情緒信息和答案來源信息進行了充分表達。模型結構如圖 10 所示。

語義特征抽取。語義信息抽取方式使用層次 GRU/LSTM,D一層獲取每句話的句子表示(圖 10 中 first layer GRU/LSTM 部分),D二層根據D一層句子表示結果獲得多輪用戶話術的G階表示。


圖 10:智能客服系統中的用戶會話滿意度預估模型

 

(圖 10 中 second layer GRU/LSTM 部分),此處充分利用了用戶話術的序列信息。除此之外,還將獲取后一句話的 SWEM 句子特征,以增強后一句話術語義特征的影響。

情緒特征抽取:由于獲取的情緒特征是 one-hot 類型,而 one-hot 缺點比較明顯,數據稀疏且無法表示情緒間直接關系。此處我們學習一個情緒 embedding,來更好的表達情緒特征。

答案來源特征抽取:初始答案來源特征同樣為 one-hot 特征,但由于答案的來源有 50多種,導致數據非常稀疏,因此需要進行特征壓縮,此處同樣使用了 embedding 學習方式,來表示答案來源特征。

模型預測層:分別嘗試了滿意度類別預測和滿意度分布預測,前者預測屬于分類模型,后者屬于回歸模型。

4  會話滿意度預估實驗結果 圖 11:用戶會話滿意度預估結果比較

實驗結果如圖 11 中所示。從實驗結果來看分類模型滿意度預估效果較差,平均比實際用戶反饋G了 4 個百分點以上,回歸模型可以很好的擬合用戶反饋結果,而且減小了小樣本結果的震蕩,符合預期。如表 9 中所示,回歸模型的均值與用戶真實反饋的結果的差值僅為 0.007,而方差則比之前減小了三分之一,證明了回歸模型的有效性。 表 9:用戶會話滿意度預估結果比較

七  總結

本文總結了目前智能客服系統中情感分析能力的一些實際應用場景以及相應的模型介紹和效果展示。雖然情感分析能力已經滲透到了智能客服系統人機對話過程的各個環節中,但是目前也只能算是一個良好嘗試的開始,其在智能客服系統的類人能力構建進程中還需要發揮更大的作用。





基于腦肌融合的軟體康復手研究

軟體機械手充分利用和發揮各種柔性材料的柔順性,及其非線性、粘彈性和遲滯特性等在軟體手運動和控制中潛在的“機械智能”作用,降低控制的復雜度,實現G靈活性、強適應性和良好交互性,在醫療康復L域有重要應用價值

微信提出推薦中的深度反饋網絡,在“看一看”數據集上達到SOTA

DFN模型綜合使用了用戶的隱式正反饋(點擊行為)、隱式負反饋(曝光但未點擊的行為)以及顯式負反饋(點擊不感興趣按鈕行為)等信息

“觸控一體化”的新型機械手指尖研究

機械手面臨的難點在于如何在柔性物體上施加可控的擠壓力,以及在非穩定狀況下確保準確、穩健的抓握與柔性指端操控

戴瓊海院士:搭建腦科學與人工智能的橋梁

腦科學的發展將推動人工智能科學從感知人工智能到認知人工智能的跨越

如何加快解決數據產權問題

數據所有權方面,1原始數據屬于個人,2企業享有衍生數據所有權,3政府享有政府數據的歸屬權

圖像檢索入門、特征和案例

圖像檢索是計算機視覺中基礎的應用,可分為文字搜圖和以圖搜圖。借助于卷積神經網絡CNN強大的建模能力,圖像檢索的精度越發提G

《視覺SLAM十四講》作者G翔:非結構化道路激光SLAM中的挑戰

SLAM階段:解決從原始傳感器數據開始,構建某種基礎地圖的過程,標注階段:在SLAM結果基礎上進行人為標注,實現更精細的交通規則控制

SLAM與V-SLAM特征對比

基于激 光雷達的SLAM(激光SLAM)和基于視覺的SLAM(V-SLAM)。激光SLAM目前發展比較成熟、應用廣泛,未來多傳感器融合的SLAM 技術將逐漸成為技術趨勢,取長補短,更好地實現定位導航。

國內外舵機參數性能價格比較

舵機是步態服務機器人的核心零部件和成本構成,是包含電機、傳感器、控制器、減速器等單元的機電一體化元器件

AI在COVID-19診斷成像中的應用

人工智能技術支持的圖像采集可以顯著幫助掃描過程實現自動化,還可以重塑工作流程,大限度地減少與患者的接觸,為成像技術人員提供佳保護

不出色場景下的神經網絡訓練方法

騰訊優圖實驗室G級研究員Louis在分享了自適應缺陷數據,業務場景下的神經網絡訓練方法

深度學習的可解釋性研究(一)— 讓模型具備說人話的能力

為決策樹模型是一個具有比較好的可解釋性的模型,以決策樹為代表的規則模型在可解釋性研究方面起到了非常關鍵的作用
資料獲取
機器人知識
== 資訊 ==
ChatGPT:又一個“人形機器人”主題
ChatGPT快速流行,重構 AI 商業
中國機器視覺產業方面的政策
中國機器視覺產業聚焦于中國東部沿海地區(
從CHAT-GPT到生成式AI:人工智能
工信部等十七部門印發《機器人+應用行動實
人工智能企業市值/估值 TOP20
創澤智能機器人集團股份有限公司第十一期上
諧波減速器和RV減速器比較
機器人減速器:諧波減速器和RV減速器
人形機器人技術難點 G精尖技術的綜合
機器人大規模商用面臨的痛點有四個方面
青島市機器人產業概況:機器人企業多布局在
六大機器人產業集群的特點
機械臂-G度非線性強耦合的復雜系統
== 機器人推薦 ==
迎賓講解服務機器人

服務機器人(迎賓、講解、導診...)

智能消毒機器人

智能消毒機器人

機器人開發平臺

機器人開發平臺


機器人招商 Disinfection Robot 機器人公司 機器人應用 智能醫療 物聯網 機器人排名 機器人企業 機器人政策 教育機器人 迎賓機器人 機器人開發 獨角獸 消毒機器人品牌 消毒機器人 合理用藥 地圖
版權所有 創澤智能機器人集團股份有限公司 中國運營中心:北京 清華科技園九號樓5層 中國生產中心:山東日照太原路71號
銷售1:4006-935-088 銷售2:4006-937-088 客服電話: 4008-128-728

主站蜘蛛池模板: 亚洲奶水xxxx哺乳期tv | 免费国产a国产片高清网站 国产婷婷一区二区三区 | 国产午夜精品理论片 | 狠狠综合久久久久综合网址 | 久久无码av中文出轨人妻 | 深夜福利免费视频 | 亚洲六月婷婷 | 香港a毛片 | 一级中文字幕 | 色视频网站免费 | 天天综合网天天综合 | 亚洲精品久久一区二区三区 | 久激情内射婷内射蜜桃人妖 | 日本欧美久久久免费播放网 | 国产精品亚洲专区无码不卡 | 真实乱偷全部视频 | 久久55| 无码吃奶揉捏奶头高潮视频 | 国产精品视频一 | 嫩草综合 | 国产精品视频二区不卡 | 午夜日本永久乱码免费播放片 | 四虎影视永久地址www成人 | 国产aaa| 男女啪祼交视频 | 日本一区二区三区视频在线观看 | 国产精品久久国产精品99 | 午夜视频入口 | 久久精品人妻少妇一区二区三区 | 一夲道无码人妻精品一区二区 | 激情五月综合色婷婷一区二区 | 精品国产一级 | 北条麻妃一区二区三区四区五区 | 老熟妇高潮一区二区三区 | 亚洲啪啪aⅴ一区二区三区9色 | 亚洲色图欧美另类 | 高清人人天天夜夜曰狠狠狠狠 | 乱中年女人伦av三区 | 亚洲女优在线观看 | 亚洲国产成人精品女人久久 | 午夜影视av | 日韩精品亚洲人成在线 | 少妇性bbb搡bbb爽爽爽欧美 | 九九九免费观看视频 | 又黄又爽又色的视频 | 欧美三级网址 | 中文字幕无码一区二区免费 | 老汉老妇姓交视频 | 日韩精品一区二区三区四区 | 国精品99久9在线 | 免费 | 国产欧美高清在线观看 | 久久人搡人人玩人妻精品首页 | 亚洲国产精品区 | 亚洲最大在线观看 | 国产精品国产精品国产专区不卡 | 男人的天堂avav | 国产亚州精品女人久久久久久 | 国产成人无码av在线播放dvd | 男人网站在线观看 | 91成人福利视频 | 黑人巨大av | 综合九九 | 国产精品久久久久久久久久久杏吧 | 三级黄色毛片视频 | 天天综合日日夜夜 | 97人人模人人爽人人喊电影 | 健美运动员性猛交xxxxx | 亚洲一区二区女搞男 | 亚洲精品久久久久久下一站 | 国产精品美女www | japanese日本精品少妇 | 性做久久久久久 | 一卡二卡三卡在线观看 | 亚洲色图欧美日韩 | 成人久久免费 | 成人性生交xxxxx网站 | 亚洲精品久 | 国产亚洲精品久久久久久 | 亚洲中久无码永久在线观看同 | 亚洲成人经典 | 色妞ww精品视频7777 | 香蕉视频黄色片 | 青青青在线观看视频 | 成人视屏在线观看 | 亚洲精品97| 九九久久精品 | 精品精品国产毛片在线看 | 午夜精品久久久 | 9l视频自拍九色9l视频视频 | www.蜜桃av| 少妇私密推油呻吟在线播放 | 少妇特黄a一区二区三区 | 国产精品理论片在线观看 | 成在线人免费视频 | 亚洲 国产 日韩 欧美 | jjzz在线 | 国产不卡网站 | 久久密 | 亚洲加勒比久久88色综合 | 老鸭窝视频在线观看 | 国产成人91 | 国产正在播放 | 激情五月婷婷色 | 不卡的av在线免费观看 | 国产极品美女高潮无套小趴菜 | 狂野欧美性猛交xxxxhd | 女人大荫蒂毛茸茸视频 | 小柔好湿好紧太爽了国产网址 | 99热在线观看 | 97久人人做人人妻人人玩精品 | 性一交一乱一伦一色一情孩交 | 国产精品揄拍一区二区久久国内亚洲精 | 岛国av大片 | 国产一区成人 | 国产精品99久久久久久宅男 | 成人夜视频 | 久久精品夜夜夜夜夜久久 | 特级做a爰片毛片免费看无码 | 日韩欧美不卡视频 | 国产啊v在线 | 少妇媚药按摩中文字幕 | 亚洲码国产岛国毛片在线 | 日产国产亚洲精品系列 | 国产精品久久福利网站 | 国产一区二区三区四区五区加勒比 | 成人网在线视频 | 玖玖爱免费视频 | 日韩国产欧美一区二区三区 | 久久久久爽爽爽爽一区老女人 | 久久久国产精品免费 | 精品亚洲国产成人av | 精品无码国产污污污免费网站 | √天堂资源在线中文最新版 | 久热中文字幕无码视频 | 怡红院av亚洲一区二区三区h | 久久亚洲国产成人精品性色 | 黄色av免费在线 | 亚洲色成人网站www永久四虎 | 人人爽人人爽人人爽 | 国产精品制服诱惑 | 嫩草影院污 | 久久艹在线| 玩弄丰满少妇xxxxx性多毛 | 成人午夜在线视频 | 欧美日韩二区三区 | 成人欧美一区二区三区小说 | 丰满少妇裸体淫交 | 日韩欧美无 | 粉嫩视频在线观看 | 成人免费看片98 | 国产一区亚洲二区 | 在线观看黄色av网站 | 亚洲一区精品二人人爽久久 | 亚洲欧美小视频 | www色网站| 美女一级黄色片 | 中文字幕在线资源 | 国产精品无码免费专区午夜 | 99精产国| 美日韩中文字幕 | 国产精品人人爽 | 污污网站免费在线观看 | 夜添久久精品亚洲国产精品 | 欧美在线www| 87福利视频| 蜜乳av国精产品一二三产区 | 国产乱子伦无套一区二区三区 | 色女仆影院 | 超碰在线人人干 | 男人天堂社区 | 精品人妻久久久久久888 | 中文在线а天堂中文在线新版 | 欧美日性视频 | 久久人人爽人人爽人人片av高请 | 国产免费一区二区三区网站免费 | 国产欧美日韩精品丝袜高跟鞋 | 男女做视频md806xyz | 一个人看的www视频免费观看 | 一级黄色片在线看 | 亚洲欧美久久 | 日本不卡一区二区三区 | 欧美日韩系列 | 亚洲成年网 | 人妻丰满熟妇无码区免费 | aaa一区二区 | 国产无遮挡又黄又爽免费网站 | 国产人成视频在线视频 | www.九九热.com| 日韩三级免费观看 | 欧美乱论 | 国产第一页在线观看 | 国产成人a在线观看视频 | 亚洲伊人色欲综合网 | 天天爽天天爽天天爽 | 亚洲一区二区三区免费看 | a级毛片高清免费视频 | 中文在线字幕免费观看电 | 一级做a爰片久久毛片潮喷动漫 | 午夜免费福利在线观看 | 成人快色 | 麻豆影院免费夜夜爽日日澡 | 性生交大片免费看 | 亚洲综合在线另类色区奇米 | 97av视频在线观看 | 天天免费视频 | 少妇xxxxx性开放按摩 | 国产女人精品视频 | 午夜合集 | 国产日产亚洲精品 | 日本黄色短片 | 国产激情综合 | 91九色蝌蚪国产 | 天天做天天爱天天爽综合网 | 直接看av的网站 | 国产又黄又爽又色的免费视频白丝 | 成人性生交大片免费看96 | 日本色站| 黑人巨大精品欧美黑寡妇 | 国产精品久久国产精麻豆96堂 | 欧美怡春院一区二区三区 | 亚洲欧美日韩在线不卡 | 国产免费一区二区三区在线观看 | 深爱激情丁香 | www亚洲精品 | 偷拍各种高潮xxx | 亚洲精品一区二区三区蜜桃 | 九九九九热 | porn国产| 久久靠逼视频 | 欧美成人性视频在线播放 | 中国性偷拍xxxⅹ | 免费全部高h视频无码 | 极品少妇一区 | 久久六六 | 老湿机69福利 | 胖女人毛片 | 夜夜高潮夜夜爽夜夜爱爱 | 欧美日韩大片在线观看 | 亚洲天堂麻豆 | 色小说香蕉| 午夜羞羞影院男女爽爽爽 | 色屁屁在线 | 国产在线a | 午夜免费福利影院 | 午夜国产一级片 | 男女做爰猛烈叫床无遮挡 | 国产中文字幕网 | 久久aⅴ国产紧身牛仔裤 | 日韩在线资源 | 99国产精品视频免费观看 | 三级福利片 | 精品国自产在线观看 | 天天综合日韩 | 免费小视频在线观看 | 亚洲美女操 | 天干天干啦夜天干天2017 | 石榴视频成人在线观看 | 欧美色图11p | 精品乱码一区二区三四区视频 | 饭岛爱av片在线播放 | 久久精品这里热有精品 | 自拍三级视频 | 韩国无码av片在线观看网站 | 不卡中文| 日本在线网址 | 精品少妇无码av无码专区 | 亚洲男人av天堂午夜在 | 黄免费在线观看 | 在线观看黄色的网站 | 国产在线一级片 | 免费99精品国产自在在线 | 一区二区三区视频免费观看 | 午夜在线免费观看 | 大尺度做爰呻吟62集 | 欧美人与禽zozzo视频 | 永久免费汤不热视频 | 精品国产一区二区三区在线观看 | 好屌爽在线视频 | 中文字幕亚洲欧美日韩在线不卡 | 又爽又黄又无遮挡的视频 | 一道本av在线 | 日本少强伦xxxhd | 五月天黄色小说 | 奇米影视亚洲精品一区 | 哪里可以看免费毛片 | 成人做爰100部片免费下载 | 大陆极品少妇内射aaaaaa | 国产欧美日韩精品a在线观看 | 成人中文字幕在线 | 久久国产成人午夜av浪潮 | 北条麻妃二三区 | 久久国产精品免费 | 精品久久久久久久久久软件 | 色网站入口 | 荷兰女人裸体性做爰 | 国产网红无码精品视频 | 亚洲激情精品 | a在线亚洲男人的天堂 | 午夜寂寞影视在线观看 | 婷婷影院在线观看 | 精品一区二区三区无码视频 | 久久97精品久久久久久久不卡 | 右手影院亚洲欧美 | 欧美精品亚洲精品日韩精品 | 小柔的淫辱日记(1~7) | 久久99精品国产麻豆 | 亚洲性xxxx | 少妇做爰免费视频播放 | 亚洲 丝袜 自拍 清纯 另类 | 国产精品资源在线观看 | 老司机在线精品视频网站的优点 | 俄罗斯av在线 | 国产露脸国语对白在线 | 欧美日韩在线亚洲综合国产人 | 色片免费看 | 国产视频在线观看一区 | 婷婷五月小说 | 555www成人网| 三级在线视频观看 | 性国产丰满麻豆videosex | 亚洲综合一区二区三区葵つかさ | 少妇人妻偷人精品无码视频新浪 | 欧美日韩丝袜 | 免费一二三区 | 国产午夜精品一区二区三区视频 | 日本熟妇乱子伦xxxx | 国产一区二区网站 | 国产91精品一区二区 | 精品无码国产自产拍在线观看蜜 | 亚洲爽爽爽| 日本视频高清一区二区三区 | 国产精品免费大片 | 亚洲国产成人综合 | 日韩精品一级 | 国产在线天堂 | 国产精品偷伦视频免费观看了 | 国产在线观看成人 | 亚洲丶国产丶欧美一区二区三区 | 亚洲高清视频在线观看 | 曰韩无码二三区中文字幕 | 老熟妇高潮一区二区三区 | 亚洲成人av高清 | 98婷婷狠狠成人免费视频 | 亚洲综合无码一区二区三区不卡 | 波多野结衣导航 | 橘梨纱av一区二区三区在线观看 | 亚洲成av| 男人天堂v| 国产成人亚洲日韩欧美 | 午夜爽爽影院 | 香港一级淫片a级在线 | 搡老女人一区二区三区视频tv | 日韩三级欧美 | 亚洲地区一二三色 | 暖暖日本在线观看 | 日本69精品久久久久999小说 | 国产精品99久久久久久久女警 | 青青青爽久久午夜综合久久午夜 | 岳帮我囗交吞精69 | 三级裸体视频 | 色综合天天综合网国产 | 大桥未久av一区二区三区中文 | 主播av在线 | a级毛片在线免费 | 久久久久亚洲国产av麻豆 | 91成人免费观看 | 久久超碰97人人做人人爱 | 一a本v道久久 | 黄色一级片免费 | 日本丶国产丶欧美色综合 | 国产va免费精品观看精品 | 可以免费看污视频的网站 | 国产丰满老熟妇乱xxx1区 | 亚洲精品色在线网站 | 青青国产在线 | 欧美v亚洲 | 欧美综合在线视频 | 99久久国产宗和精品1上映 | 成人自拍视频网 | 成人黄网站片免费视频 | 黄色片毛片 | 香港三日本8a三级少妇三级99 | 久久偷窥视频 | 日本道精品一区二区三区 | 好吊妞视频788gao在线观看 | 欧美日本三级少妇三级久久 | 亚洲精品一区三区三区在线观看 | 欧美一进一出抽搐大尺度视频 | 一级片aaa| 一本色道久久综合亚洲精品酒店 | 精品国产欧美日韩 | 亚洲免费久久 | 国产妞干网 | 日韩精品一区二区三区亚洲综合 | 国产娇小性色xxxxx视频 | 男人av无码天堂 | 日韩国产成人无码av毛片 | 国产女主播在线播放 | 国产96在线 | 亚洲 | 亚洲天堂三区 | 无码夜色一区二区三区 | 狠狠色综合欧美激情 | 麻豆一区二区三区 | 在线观看中文av | 亚洲国产清纯 | 欧美极品三级 | 性生活网址 | 国产精品欧美久久久久一区二区 | 国产乱人伦偷精品视频aaa | 特级黄色毛片视频 | av小四郎最新地址入口 | 欧美视频免费看欧美视频 | 日本一级大黄毛片基地 | 国产精品不卡无码av在线播放 | 久久女同 | 亚洲1区 | 亚洲精品黄色 | 99久久国产综合 | 中文av一区二区 | 看黄色小视频 | 永久黄网站色视频免费 | 人妻少妇精品久久久久久 | 一进一出一爽又粗又大 | 性史性农村dvd毛片 永久黄网站色视频免费直播 | 日韩国精品一区二区a片 | 中文字幕无码视频手机免费看 | 中文字幕观看 | 亚洲黄色短视频 | 91麻豆成人精品国产免费网站 | 30岁少妇又紧又嫩 | www.香蕉视频.com | 男人扒开添女人下部免费视频 | 久久黄页 | 亚洲国产成人va在线观看天堂 | 国产亚洲精久久久久久无码苍井空 | 亚洲美女视频在线观看 | 97在线免费视频 | 免费国偷自产拍精品视频 | 国产精品亚洲成在人线 | 中文 日韩 欧美 | 欧美一级大黄 | 毛片毛片毛片毛片毛片毛片毛片毛片毛片 | 无毛av | 国产毛片18片毛一级特黄 | 欧美黑人疯狂性受xxxxx喷水 | 国产精品视频男人的天堂 | 日韩国产欧美一区二区 | 亚洲国产一区二区三区在线观看 | 天堂中文在线观看视频 | av网在线播放| 欧美视频一级 | 久久久午夜爽爽一区二区三区三州 | 综合九九 | 一本色道久久亚洲综合精品蜜桃 | 国产成人网 | 99久久精品国产一区二区成人 | 亚洲国产天堂久久综合226114 | 日韩人妻无码精品-专区 | 老妇激情毛片视频 | 亚洲精品久久久久久一区二区 | 一级全黄毛片 | 欧美成人精品欧美一级乱 | 99久久免费看精品 | 国产精品欧美大片 | 高辣h文乱乳h文男男双性视频 | 午夜爱精品免费视频一区二区 | 最新中文字幕一区 | 九九热精品国产 | 国产精品成人免费一区二区视频 | 成在人线av无码免观看麻豆 | 中文字幕欧美在线 | 午夜888 | 欧美大片免费观看 | 91极品欧美视频 | 免费观看成人38网站 | 免费网站观看www在线观看 | 扒开双腿疯狂进出爽爽爽视频 | 91精品国产91久久久久久久久 | aa视频免费在线观看 | 一区二区三区国产在线观看 | 国产八十老太另类视频 | 少妇又色又爽又刺激视频 | 中文字幕一区二区三区乱码图片 | 天天色天天操天天射 | 亚洲国产精品国自产拍av | 国产成人精品久久 | 色综合久久88色综合天天人守婷 | 亚洲影视在线观看 | 国产肥白大熟妇bbbb | 在线观看wwww | 日韩欧美啪啪 | 男人久久 | 精品一区二区三区四区五区六区 | 色99999| 久久伊人一区 | 国产精品欧美精品 | 久久久久久一区二区三区 | 国产又黄又猛又粗又爽的a片动漫 | 黄页网站视频 | 狠狠色噜噜狠狠狠四色米奇 | 欧美黄色高清视频 | 日韩极品视频 | 国产理论av | 俞飞鸿早期三级 | 国产成人精品午夜福利在线观看 | 黄色一级视屏 | 加勒比中文无码久久综合色 | 日本狠狠爱 | 午夜欧美视频 | 秋霞鲁丝片av无码少妇 | 国产乱淫av片 | 久久亚洲激情 | 少妇性色av | 亚洲砖区免费 | 亚洲 精品 综合 精品 自拍 | 色久av| 日日天日日夜日日摸 | 妇女性内射冈站hdwww000 | 污污视频在线观看网站 | 在线男人天堂 | 性感少妇av | av每日更新在线观看 | 欧美成人午夜精品 | 夜色www国产精品资源站 | www夜夜爱| 九九热在线免费视频 | 91av视频网站 | 91视频污在线观看 | 日韩一级视频在线 | 日本一二三区在线 | 国产午夜福利在线机视频 | 国产亚洲成av片在线观看 | 欧美日本国产欧美日本韩国99 | 欧美中文字幕在线 | 光棍影院av | 日本高清一区二区三 | 韩国91视频 | 亚洲人成色777777老人头 | 国产精品无码免费播放 | 日韩精品卡通动漫网站 | 国产盗摄夫妻原创视频在线观看 | 久久综合九色综合欧美狠狠 | 欧美日韩1区2区 | 女同av网站 | 爱情岛论坛永久亚洲品质 | 亚洲色图欧洲色图 | 一本大道无码人妻精品专区 | 精品视频亚洲 | 天天弄 | 欧美成人一区二免费视频小说 | av片在线免费看 | 成人动漫在线观看免费 | 久久99精品久久久久久hb无码 | 欧美性大战久久久 | 日韩毛片在线看 | 国产99久久九九精品的功能介绍 | 亚洲蜜桃视频 | 国产白丝jk捆绑束缚调教视频 | 一品毛片| 日韩亚洲国产欧美 | 202丰满熟女妇大 | 亚洲日本一区二区三区在线 | 丁香啪啪综合成人亚洲小说 | 午夜精品一区二区三区在线观看 | 欧美成人另类 | 亚洲第一天堂网 | 成人无码视频在线观看网址 | 国产午夜精品久久久久久久久久 | 五月婷婷综合色 | 饥渴放荡受np公车奶牛 | 国产精品久久久久9999鸭 | 国产精品视频一 | 午夜精品久久久久久久白皮肤 | 国产内射爽爽大片 | 欧美自拍第一页 | 性中国妓女毛茸茸视频 | 日本欧美一级片 | 久久午夜国产精品www忘忧草 | 欧美成人性影院 | 无码人妻精品一区二区三区不卡 | 国产伦精品一区二区三区视频金莲 | 无码日韩精品一区二区免费暖暖 | 日韩亚洲在线 | 欧美激情综合色综合啪啪五月 | 日韩精品久久无码中文字幕 | 九九综合九九 | 亚洲最新视频 | 国产主播精品 | 中文字幕在线三区 | 日本亚洲在线 | 国产欧美在线观看不卡 | www.日韩av.com| 亚欧在线播放 | 亚洲精品久久久久久久久久 | 日韩精品无码视频一区二区蜜桃 | 成人在线观看免费高清 | 免费看污片网站 | 国产一级做a| 欧美日韩在线一区二区 | 日本一区二区三区免费高清 | 97视频免费观看 | 国产免费av片在线观看 | 中文字幕av手机版 | 进去里视频在线观看 | 中文字幕在线观看网站 | 日韩一级免费毛片 | 欧美精品久久久久久久免费 | 中文字幕国产综合 | 国产成人无码av一区二区在线观看 | 国产精选视频在线观看 | 18无码粉嫩小泬无套在线观看 | 三级三级18女男 | 欧美国产三级 | 精品夜夜嗨av一区二区三区 | 国产亚洲情侣一区二区无 |