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: 色综合99久久久无码国产精品 | 韩日少妇 | 超碰爱爱 | 亚洲人人插 | 久久精品一区二区国产 | 黄色免费视频 | 亚洲小视频在线观看 | 日日噜夜夜爽精品一区 | 91色| 欧美一区二区三区四 | 极品美女销魂一区二区三区 | 日本精品网站 | 秋霞成人网 | 视频在线一区二区 | 欧美成人精品一区二区三区在线看 | 韩国精品一区二区三区四区 | 精品国产乱码91久久久久久网站 | 视频这里只有精品 | 日本少妇搡bbbb搡bbb | 91久久国产露脸精品国产闺蜜 | a三级毛片 | 欧美一级黄色片 | 成人精品亚洲人成在线 | 国产白嫩护士被弄高潮 | 91av国产视频 | 片毛片 | 久久久无码精品午夜 | 久久狠狠爱 | 日本无遮羞肉体啪啪大全 | 亚洲精品久久久久久 | 日韩专区在线 | 少妇av导航 | 国产黄色大片免费看 | 亚洲精品毛片一区二区三区 | 亚洲人成色77777在线观看 | 亚洲国产第一页 | 亚洲成人一二三区 | 黄桃av无码免费一区二区三区 | 成人做爰视频www网站小优视频 | 老子影院午夜伦不卡大全 | 国产精品久久久久久人妻精品 | 天天射综合 | 亚洲午夜爱爱香蕉片 | 娇小发育未年成性色xxx8 | 精品黄色在线 | 91好色先生| 欧美性猛交ⅹxx乱大交 | 亚洲热妇无码av在线播放 | 亚洲成人tv| 亚洲乱码一区二区三区在线观看 | 欧美成人家庭影院 | 国产亚洲精品精品精品 | 亚洲一二三四视频 | 亚洲欧美黄色片 | 亚洲熟妇无码一区二区三区导航 | 亚洲热妇无码av在线播放 | 天堂网在线中文 | 性猛交xxxxx富婆免费视频 | 丝袜 国产 日韩 另类 美女 | 一本色道久久综合亚洲精品婷婷 | 少妇人妻偷人精品免费视频 | 国产裸体视频 | 伊人av综合 | 国产亚洲精品久久久久动 | 黄色香蕉网| 有码中文字幕在线观看 | 久久一区av| 大乳丰满人妻中文字幕日本 | 亚洲色欧美 | 午夜美女裸体福利视频 | 91精品国产综合久久婷婷香 | 国产福利网站 | 最近更新中文字幕 | 日本在线二区 | 在线播放少妇奶水过盛 | 男人的亚洲天堂 | 九一精品在线 | 天天色天天插 | 香港一级淫片a级在线 | 欧美性猛交ⅹxxx乱大交3 | 国产精品成人免费一区久久羞羞 | 一区二区片 | 日日日操 | 亚洲国产欧美国产综合一区 | 国产视频首页 | 婷婷综合基地俺也来 | aaaa级毛片欧美的 | 日本极品视频 | 欧美丰满老熟妇xxxxx性 | 哭悲在线观看免费高清恐怖片段 | 日韩免费无码一区二区视频 | 国产精品久久久久免费观看 | 一个人在线观看www软件 | 在线观看网站污 | 国产真实伦在线视频 | 一级做a爱片性色毛片高清 一级做a毛片 | 久草在线青青草 | 亚洲日夜噜噜 | 久久久久久久久免费视频 | 亚洲欧美一区二区三区情侣bbw | 日韩国产精品久久久久久亚洲 | 亚洲欧美日韩精品久久亚洲区 | 亚洲国产精品一区二区尤物区 | 偷窥四川少妇野外啪啪 | 麻豆国产精品777777在线 | 国产中文在线 | 国产suv精品一区二区33 | 精品国产人妻一区二区三区 | 国产精品午夜无码av体验区 | 国产精品久久久久久久免费看 | 中文字幕在线亚洲日韩6页 av无码精品一区二区三区 | 久久99久国产精品黄毛片入口 | 激情一区二区三区 | 国产日韩一区二区三区 | 亚洲一区在线播放 | 人善交video高清 | 中文字幕人妻无码一区二区三区 | 久久综合九色综合网站 | 农村脱精光一级 | 欧美xxxx做受性欧美88 | 国产女人与拘做受视频9 | 日韩视频免费 | 91精品国产视频 | 亚洲国产精品久久久久久6q | 毛片毛片毛片毛片 | 久久精品国产99久久久古代 | 明日叶三叶 | 在线精品视频一区二区三四 | 伦理片免费完整片在线观看 | 99综合色| 欧美成人小视频 | 真实国产乱子伦对白视频 | 国产精品一二三在线 | 亚州综合网| 亚洲精品久久久蜜桃动漫 | 日韩免费无码一区二区三区 | 欧美日韩一卡2卡三卡4卡 乱码欧美孕交 | 不卡免费视频 | 日本大胆裸体做爰视频 | 懂色av一区二区三区免费观看 | 色视频国产 | 福利一区二区 | 亚洲精品www久久久久久广东 | 一本色道久久综合亚洲精品图片 | 51国偷自产一区二区三区的 | 国产一区二区99 | 国产福利在线永久视频 | 亚洲成人第一 | 爽交换快高h中文字幕 | 欧美日韩国产综合在线 | 精品素人av | 国产免费一区二区三区四在线播放 | 成人免费在线小视频 | 日韩国产精品一区二区三区 | 99热这里只有精品8 99热这里只有精品在线观看 | 久久天天躁狠狠躁夜夜不卡 | 国产午夜免费福利 | 小12萝8禁在线喷水观看 | 日韩一区二区免费在线观看 | 国产不卡网站 | 欧美理伦少妇2做爰 | 男人吃奶摸下挵进去啪啪软件 | 手机在线观看免费av | 亚洲成人av在线播放 | 色多多性虎精品无码av | 女女女女女裸体处开bbb | 欧美日韩成人在线观看 | 欧美三根一起进三p | 视频一区亚洲 | 狠狠做深爱婷婷久久综合一区 | eeuss鲁片一区二区三区在线观看 | 日本午夜一区二区 | 亚洲精品久久久久久久久久 | 国产小呦泬泬99精品 | jizz免费在线观看 | 国产黄色自拍视频 | 各种少妇正面着bbw撒尿视频 | 国产丰满麻豆videossex | eeuss鲁片一区二区三区小说 | 李丽珍a级裸体啪啪 | 亚洲欧洲中文日韩av乱码 | 国产亚洲精品久久19p | 久久精品水蜜桃av综合天堂 | 久久久无码中文字幕久... | 亚洲欧美影视 | 精品国产粉嫩内射白浆内射双马尾 | a级无毛片 | 日韩免费专区 | 香港台湾日本三级大全 | 久久超碰在线 | 国产香蕉尹人视频在线 | 中文文字幕文字幕高清 | 亚洲aⅴ精品一区二区三区91 | 一区二区三区精品在线 | 无码中文字幕乱码一区 | 欧美精品一区二区性色 | 亚洲熟妇色xxxxx欧美老妇 | 忘忧草精品久久久久久久高清 | 97夜夜澡人人波多野结衣 | 国产精品高潮呻 | 少妇特黄a片一区二区三区 精品香蕉一区二区三区 | 精品一级少妇久久久久久久 | 人人婷婷人人澡人人爽 | 国产69精品久久久久9999apgf | 色肉色伦交国产69精品 | 国产性生活视频 | 亚洲精品在线免费播放 | 欧美一级爱爱 | 夜夜高潮夜夜爽精品欧美做爰 | 女人真人毛片全免费看 | 性xxx18 | 免费观看黄色网址 | 91一区视频 | 欧美大屁股xxxx高跟欧美黑人 | 欧美日韩一级二级 | 婷婷天堂网 | 少妇的性生话免费视频 | 91麻豆精品国产理伦片在线观看 | 91精品久久久久久粉嫩 | 在线观看视频中文字幕 | 欧美99久久精品乱码影视 | 2018天天操 | 国产精品入口福利 | 久久国产中文 | 欧美精品一区二区三区久久久竹菊 | 日韩视频免费大全中文字幕 | 成人免费视频久久 | 91香蕉视频黄色 | 哪个网站可以看毛片 | 又爽又色禁片1000视频免费看 | 亚洲国产成人91精品 | 国产真实乱 | 亚洲精品www久久久久久广东 | 亚洲最大中文字幕无码网站 | 欧美婷婷六月丁香综合色 | 久久久久久99av无码免费网站 | 19禁大尺度做爰无遮挡小说 | 成人夜视频 | 欧美激情一区二区 | 高中生粉嫩无套第一次 | 99国产精品久久久久久久久久 | 欧美夜夜骑 | 九色91丨porny丨丝袜 | 蜜臀久久99精品久久久久久宅男 | 亚洲免费av网站 | 白丝久久 | 人人妻人人澡人人爽人人精品 | 91精品国产九九九久久久亚洲 | 国产精品人妻一区二区高 | 亚洲娇小业余黑人巨大汇总 | 人妻少妇精品视频二区 | 五月天色站 | 亚洲无av在线中文字幕 | 国产精品刺激对白97 | 精品国产一区二区三区在线观看 | 农村老熟妇乱子伦视频 | 免费va人成视频网站全 | 性色视频在线 | 色亚洲欧美| 91视频导航 | 亚洲射吧| 亚洲一区二区三区免费视频 | 成人深夜在线观看 | 国产在线欧美 | 99国产精品国产免费观看 | 我要干成人网 | 国产精品久久久久久亚洲色 | 国产成人免费爽爽爽视频 | 最近免费中文字幕大全免费版视频 | 国产精品日韩欧美大师 | 黄色毛片大全 | 久久久www成人免费毛片麻豆 | 久久午夜夜伦鲁鲁片无码免费 | 97久久草草超级碰碰碰 | 日本三级欧美三级人妇视频黑白配 | 久久久久久久一区二区 | 中文字幕丰满人伦在线 | 在线天堂www在线 | 日本丰满护士爆乳xxxx | 综合中文字幕 | 九九99靖品| 成人网站免费观看入口 | 少妇高潮喷水久久久影院 | 六月丁香婷婷综合 | 91porn九色| 久久不卡免费视频 | 欧美黑人又粗又大高潮喷水 | 人人妻人人爽人人做夜欢视频 | 国产精品爽爽久久久久久蜜臀 | 白天躁晚上躁麻豆视频 | 无码人妻丰满熟妇区五十路百度 | 亚洲一区二区三区免费看 | 欧美体内谢she精2性欧美 | 四川妇女偷人毛片大全 | 日本亚洲国产 | 中国小鲜肉xvideoscom | 国产美女明星三级做爰 | 自拍偷拍视频在线观看 | 香蕉网址| 久久婷婷香蕉热狠狠综合 | 精品久久久久久久久午夜福利 | 国产中文字幕乱人伦在线观看 | 中国真实的国产乱xxxx | 日本一级黄 | 亚洲一区二区视频在线观看 | 欧美精品一二区 | 噜噜噜av久久av牛牛 | 就去色av| 一本au道大尺码高清专区 | 久久综合日本 | 亚洲 另类 熟女 字幕 | 中日韩精品视频在线观看 | 性高潮久久久久久久久 | 日本黄页网站免费大全 | 亚洲精品久久7777777 | 久久午夜视频 | 午夜在线精品 | 国产女爽123视频.cno | 在线无码免费的毛片视频 | 露出调教羞耻91九色 | 少妇又色又紧又爽又刺激视频 | 日产国产精品亚洲系列 | 国模冰莲大胆自慰难受 | 91免费在线 | 在线看不卡av | 五月天婷婷影院 | 亚洲精品视频91 | 久久四虎 | 欧美韩日一区二区 | 播放毛片 | 久久亚洲精品ab无码播放 | 久久精品视频2 | 一区影视 | eeuss影院www在线窝窝 | 妲己艳史淫片免费看 | 国产午夜视频在线观看 | 小黄鸭精品aⅴ导航网站入口 | 亚洲7777| 国产又爽又黄视频 | 国产成年视频 | 日韩欧美一区二区三区四区 | 国产乱码精品一区二区蜜臀 | 成人综合婷婷国产精品久久蜜臀 | 可以免费看污视频的网站 | 久草97| 无码国产精品一区二区免费虚拟vr | 亚洲乱码日产精品bd | 另类异族videosex太狠了 | 成人三级iii | 成人久久视频 | 性欧美精品久久久久久久 | 欧美乱轮 | 91美女在线视频 | a天堂在线视频 | 一级免费看视频 | 五月婷婷综 | 女性爱爱视频 | 男人边吃奶边做好爽免费视频 | 98自拍视频 | 亚洲国产一区二区三区 | 成人精品网 | 伊人网站在线观看 | 伊人视屏 | 中曰韩黄色片 | 久久亚洲精品国产亚洲老地址 | 91精品国产乱码久久桃 | 少妇人妻av毛片在线看 | 夜夜爽av福利精品导航 | 中文字幕国产精品 | 成人做爰免费视频免费看 | 色五月丁香五月综合五月 | 国产热视频 | 国产情侣一区二区 | 日本福利片在线观看 | 九色国产精品入口 | 国产md视频一区二区三区 | 国产视频一区二区三区在线观看 | 性欧美长视频 | 99免费在线视频 | 国产对白精品刺激二区国语 | 亚洲一区二区av在线观看 | 九九九热精品免费视频观看网站 | 久久久久久夜 | 少妇无码一区二区三区 | 青青青国产在线观看免费 | 日产精品高潮呻吟av久久 | 亚洲欧美日韩成人一区 | 一本色综合亚洲精品蜜桃冫 | 亚洲欧美成人在线 | 中文字幕一区二区三区四区五区 | 天堂网2014av | 韩国欧美三级 | 亚洲国产成人精品女人 | 岛国av噜噜噜久久久狠狠av | 国产日韩av免费无码一区二区三区 | 性久久久久 | 亚洲人成无码区在线观看 | 乱中年女人伦av二区 | 精品中出 | 少妇裸体淫交视频免费看 | 爱爱视频一区 | 丰满肉嫩西川结衣av | ass精品国模裸体pics | av大帝在线观看 | 青青青国内视频在线观看软件 | 亚洲精品乱码久久久久久蜜桃图片 | 国产99久久 | wwwse天堂| 久久久午夜精品理论片中文字幕 | 久久久久久夜 | 欧美视频免费 | 免费看男女做好爽好硬视频 | 亚洲欧美字幕 | 东京热一本无码av | 国产成人+亚洲欧洲+综合 | 人人插插| 波多野42部无码喷潮在线 | 欧美不卡在线观看 | 国产精品亚洲专区无码牛牛 | 日本黄色小说 | 国产精华xxx | 国产丝袜无码一区二区三区视频 | 七七久久 | 亚洲欧洲日本一区二区三区 | 九色丨porny丨肥臀 | 毛片a片免费看 | 黑人巨大xxxxx性猛交 | 精品久久久久久无码免费 | 五月婷婷激情小说 | 刘亦菲乱码一区二区三区 | 一曲二曲三曲在线观看中文字幕动漫 | 天天综合亚洲综合网天天αⅴ | 国产三级精品三级在专区 | 福利视频第一页 | 九九视频在线观看视频6 | 三级a做爰一女二男 | 国产精品 欧美精品 | 久热精品在线观看 | 无码人妻一区二区三区av | 成人免费无码大片a毛片 | 黄网站色视频免费观看 | 五月天小说网 | 色播激情 | 蜜桃传媒av免费观看麻豆 | 黄一区二区三区 | 青青久草在线 | 婷婷精品进入 | 性折磨bdsm德国激情 | a爱视频 | 国产精品一卡二卡三卡 | 中文有码视频 | 成人影视网址 | 国产肉体xxxx裸体784大胆 | 亚洲69| 久热这里只有精品6 | 我和公激情中文字幕 | 99re在线视频免费观看 | 免费在线观看污 | 中文字幕一区二区三区第十负 | 精品国产31久久久久久 | 91国偷自产一区二区使用方法 | 国产成人精 | 久草免费福利视频 | 日本高清一区二区三 | 小黄鸭精品密入口导航 | 国产女主播白浆在线观看 | 欧美激情视频一区二区三区 | 免费在线一区二区 | 很很射影院| 日韩在线观看精品 | 久久久国产一区二区三区四区小说 | 欧美成人精品 | 色欲久久综合亚洲精品蜜桃 | 欧洲美女粗暴牲交免费观看 | 欧美国产综合色视频 | 三a大片 | 精彩动漫 - 91爱爱 | 在线观看日本 | 国产一区二区网 | 日韩美女av在线 | 久草在线中文888 | 在线视频导航 | 日本高清免费毛片大全awaaa | 国产97在线 | 日韩 | 宅男噜噜66国产精品观看 | 国产人与禽zoz0性伦免费视频 | 国产精品一区二 | 一色屋免费视频 | 欧美亚洲网站 | 国产精品伦一区二区三级视频永妇 | 免费黄色在线网址 | 国产自产精品 | a级片视频网站 | 国产福利精品在线观看 | 欧美一区二区三区免费播放视频了 | 不卡在线视频 | 哺乳期喷奶水丰满少妇 | 日韩成人在线观看 | 亚洲女初尝黑人巨高清 | 天天躁日日躁狠狠躁av麻豆男男 | 黄色网页免费在线观看 | 亚洲天堂国产 | 欧美日韩六区 | 国精产品一区一区三区免费完 | 日日摸日日碰夜夜爽av | caoporn国产免费人人 | 一本加勒比hezyo综合 | 欧美日韩a| 一道本无吗一区 | 丰满少妇高潮惨叫久久久 | 亚洲一二三在线 | 黄色成人在线 | 婷婷开心色四房播播 | 国产精品久久久久久久妇女 | 91av久久久| 伊人啪啪网 | 亚洲三级国产 | 日本精品少妇一区二区三区 | 免费久久精品视频 | 亚洲精品一区二区三区不卡 | 中文区中文字幕免费看 | 特级淫片裸体免费看视频 | 国产吃瓜黑料一区二区 | 欧美激情小视频 | 三级大片在线观看 | 免费乱码人妻系列无码专区 | 三级无码在钱av无码在钱 | 日本泡妞视频 | 欧美乱妇狂野欧美在线视频 | 一本一道无人区 | 欧美婷婷精品激情 | 国产黄色大片视频 | 人人搞人人插 | 欧美偷拍第一页 | 一级片福利| 爆乳2把你榨干哦ova在线观看 | 在线中文字幕亚洲 | 爱爱免费小视频 | 中文在线а√天堂 | 亚洲国产精品久久人人爱 | 日本毛片网站 | 五月婷婷激情综合 | 国产女同疯狂作爱系列11 | 国产精品综合久久久久久 | 免费xxxxx在线观看网站软件 | 在线看片无码永久免费视频 | 91视频青青草 | 舐め犯し波多野结衣在线观看 | 亚洲桃色综合影院 | 公妇乱淫太舒服了 | 九九九伊在人线综合2023 | 亚洲欧美久久久 | 精品欧美h无遮挡在线看中文 | 国产疯狂伦交大片 | 国产免费极品av吧在线观看 | 亚洲国产超清无码专区 | 91影院在线播放 | 色哟哟av| 西西人体大胆午夜视频 | 国产成人精品无码免费看 | 青青免费在线视频 | 人与禽交av在线播放 | av色欲无码人妻中文字幕 | 精品久久久久久亚洲综合网站 | 噜噜噜色 | 亚洲国产精品无码久久久 | 伦理欧美| 国产成人精选视频在线观看 | 国产三级韩国三级日本带黄 | 国产巨乳在线观看 | 日本一区二区视频在线播放 | 亚洲网址 | 国产后入清纯学生妹 | 操出白浆视频 | 性盈盈影院中文字幕 | 99久久99久久精品免费看蜜桃 | av专区在线| 黄色中文字幕在线观看 | av小次郎收藏 | 亚洲va韩国va欧美va | 国产欧美一区二区三区沐欲 | 国产亚洲精品久久yy50 | 成人a在线观看 | 91在线看片 | 国产精品国产成人国产三级 | 尤物99国产成人精品视频 | 5x社区sq未满十八视频在线 | 粉嫩av免费一区二区三区 | 亚洲麻豆精品 | 欧美熟妇另类久久久久久多毛 | 男女做爰全过程免费的软件 | 精品偷拍一区二区三区在线看 | 刘亦菲乱码一区二区三区 | 公妇乱淫真实生活 | 在线播放无码字幕亚洲 | 免费午夜拔丝袜www在线看 | 久久久久性 | 亚洲一级黄色毛片 | 国产精品久久99综合免费观看尤物 | av小四郎在线最新地址 | 五月天激情国产综合婷婷婷 | 国产伦精品一区二区三区免费迷 | 久热最新视频 | 国产日产久久高清欧美一区 | 国模冰莲极品自慰人体 | 国产精品久久久久久久久久久痴汉 | 翁虹三级做爰在线播放 | 欧美日韩一区二区三区视频播放 | 五月天小说网 | 国产视频入口 | 在线视频这里只有精品 | 丰满少妇理论片 | 国产成人精品在线视频 | 国产福利二区 | 国产爆初菊在线观看免费视频网站 |