Python 奇怪的相似性导致空间性

我在玩Spacy中的相似函数，观察到一些我不理解的东西：

import spacy
nlp = spacy.load('en_core_web_sm')  
doc1 = nlp("Honda Civic Toyota")
doc2 = nlp("Honda Civic Toyota car Christian God")

for token in doc1:
    print (token.text, doc1[0].similarity(token))
for token in doc2:
    print (token.text, doc2[0].similarity(token))

输出：

Honda 1.0
Civic 0.6631208
Toyota 0.4700994
Honda 1.0
Civic 0.6806056
Toyota 0.54713947
car 0.22469836
Christian 0.5016042
God 0.4778438

本田一词与doc1和doc2中的所有其他词进行比较，可以观察到，当本田与思域和丰田进行比较时，doc1和doc2中的相似性是不同的。 我的理解是，相似度是根据单词手套向量的一致相似度计算的，该向量是从“en_core_web_sm”加载的。如果是这样的话，那么同一对词之间的相似性不应该与上下文无关吗

我想我显然误解了什么，如果有人能澄清一下，我将不胜感激。

如文件中所述：

相似性是通过比较单词向量或“单词嵌入”（单词的多维意义表示）来确定的。为了使它们紧凑和快速，spaCy的小型模型（所有软件包 以sm结尾）不要附带单词向量，只包括 上下文敏感张量。这意味着您仍然可以使用

similarity（）

比较文档、跨度和标记的方法–但是 结果不会那么好，而且单个令牌不会有任何向量 所以为了使用真实的词向量，你需要下载一个更大的模型

所以小模型不使用词向量来表示相似性