Spacy 1 vs spacy 2（spacy-nightly）他们改变了数据模型吗？为什么相似度计算不起作用？

Question

我理解spacy 2 alpha（或称为spacy-nightly）是根据其上下文构建单词的向量 - 所以我确实理解nlp中单词的相似度值之间的差异（＆＃39; apple oranges＆＃39;）和分离的nlp（＆＃39; apples＆＃39;）和nlp（＆＃39; oranges＆＃39;）（当然我使用spacy 1和spacy 2的不同模型）。但是我不明白我怎么想调用/输入字符串让我们说相似的方法。

他们是否改变了数据模型？我在文档中找不到任何内容...... 我做错了什么 - 即我的结果合理吗？

当然我在分离的虚拟环境中运行这些代码

spacy 1 - 这很好用：

print(nlp('apples').similarity(nlp('oranges')))
# 0.77809414836

spacy 2 - 返回0.0 - 因此不起作用：

print(nlp('apples').similarity(nlp('oranges')))
# 0.0

有什么想法吗？下面的代码显示了什么对我有用，什么不对..

import spacy # version spacy (1.9.0)
nlp = spacy.load('en_core_web_md') 

doc = nlp('apples oranges')
print(doc[0].similarity(doc[1]))
#0.77809414836
print(nlp('apples')[0].similarity(nlp('oranges')[0]))
#0.77809414836
print(nlp('apples').similarity(nlp('oranges')))
# 0.77809414836

#----------------

import spacy # spacy-nightly (2.0.0a14)
nlp = spacy.load('en_core_web_sm')

doc = nlp('apples oranges')
print(doc[0].similarity(doc[1]))
# 0.630915
print(nlp('apples')[0].similarity(nlp('oranges')[0]))
# 0.892392
print(nlp('apples').similarity(nlp('oranges')))
# 0.0