Update app.py

app.py

@@ -1,10 +1,9 @@
 import streamlit as st
 import pickle
 from scipy import spatial
-import random
 import os
 
-# --- 1. MODELİ YÜKLE ---
+# 1. MODELİ YÜKLE
 @st.cache_resource
 def load_data():
     try:
@@ -16,8 +15,7 @@ def load_data():
 model_data = load_data()
 movie_dict = model_data['movie_dict'] if model_data else {}
 
-# --- 2. OYUNCU DNA VERİTABANI ---
-# Sıralama Stallone ile başlar
+# 2. TÜM OYUNCU DNA VERİTABANI
 tum_unlu_verileri = {
     "Sylvester Stallone": {"c": "Male / Erkek", "v": [0.9, 0.2, 0.1, 0.1, 0.1, 0.8]},
     "Robert De Niro": {"c": "Male / Erkek", "v": [0.2, 0.1, 0.1, 0.9, 0.1, 0.8]},
@@ -58,97 +56,56 @@ tum_unlu_verileri = {
     "Cameron Diaz": {"c": "Female / Kadın", "v": [0.1, 0.2, 0.95, 0.7, 0.1, 0.1]}
 }
 
-# --- ARAYÜZ AYARLARI ---
+# --- DİNAMİK FİLTRELEME ---
+resim_klasoru = os.path.join(os.getcwd(), "40 resim")
+
+def klasordeki_unluleri_getir():
+    mevcut_unlular = {}
+    if os.path.exists(resim_klasoru):
+        dosyalar = [f.lower() for f in os.listdir(resim_klasoru)]
+        for isim, veri in tum_unlu_verileri.items():
+            if any(isim.lower().replace(" ", "_") in d or isim.lower() in d for d in dosyalar):
+                mevcut_unlular[isim] = veri
+    return mevcut_unlular
+
+unlu_verileri = klasordeki_unluleri_getir()
+
+# --- ARAYÜZ ---
 st.set_page_config(page_title="CastMatch AI", layout="wide")
 
-@st.cache_data
-def get_image_path(actor_name):
-    if not actor_name or actor_name == "Choose... / Seçiniz...":
-        return None
-    ana_dizin = os.getcwd()
-    search_term = actor_name.lower().replace(" ", "_")
-    search_term_plain = actor_name.lower()
-    for f in os.listdir(ana_dizin):
-        f_lower = f.lower()
-        if f_lower.endswith(('.jpg', '.png', '.jpeg')):
-            if search_term in f_lower or search_term_plain in f_lower:
-                return os.path.join(ana_dizin, f)
-    return None
-
-# --- SOL PANEL (BİLGİLER BURADA) ---
 st.sidebar.title("🔍 Control Panel / Kontrol Paneli")
-st.sidebar.markdown("---")
-
 gender_choice = st.sidebar.radio(
-    "1. Select Category / Kategori Seçin:",
+    "Select Category / Kategori:",
     ["Male / Erkek", "Female / Kadın"]
 )
 
-# Oyuncu listesi (Alfabetik değil, Stallone başa gelecek şekilde filtreleme)
-filtered_names = [name for name in tum_unlu_verileri.keys() if tum_unlu_verileri[name]['c'] == gender_choice]
-
-st.sidebar.markdown(f"### 📋 Available Cast / Mevcut Oyuncular")
-for n in filtered_names:
-    st.sidebar.write(f"• {n}")
-
-# --- ANA EKRAN ---
-st.title("🎬 CastMatch AI: Talent Matching System / Yetenek Eşleştirme Sistemi")
-st.markdown("#### Discover the perfect roles for global stars! / Dünya yıldızları için en ideal rolleri keşfedin!")
-st.markdown("---")
-
-col_actor, col_match = st.columns([1, 2])
-
-with col_actor:
-    st.subheader("👤 Pick an Actor / Oyuncu Seç")
-    options = ["Choose... / Seçiniz..."] + filtered_names
-    selected_actor = st.selectbox("Select from list / Listeden seçin:", options)
-    
-    # Brad Pitt ve diğerlerinde titremeyi önlemek için alanı ayırıyoruz
-    if selected_actor != "Choose... / Seçiniz...":
-        path = get_image_path(selected_actor)
-        if path:
-            st.image(path, caption=f"Profile: {selected_actor}", use_container_width=True)
-        else:
-            st.warning(f"⚠️ Resim bulunamadı: {selected_actor}")
-    else:
-        st.info("Please select an actor to see the profile. / Profili görmek için bir oyuncu seçin.")
-
-with col_match:
-    st.subheader("🎯 Best Career Matches / En İyi Kariyer Eşleşmeleri")
-    st.write("Comparing the star's DNA with movie roles... / Yıldızın DNA'sı film rolleriyle karşılaştırılıyor...")
-    
-    if st.button("🚀 Match and Recommend / Eşleştir ve Öner"):
-        if selected_actor == "Choose... / Seçiniz...":
-            st.warning("Please pick an actor first! / Lütfen önce bir oyuncu seçin!")
-        elif movie_dict:
-            actor_v = tum_unlu_verileri[selected_actor]['v']
-            results = []
-            
-            for i in movie_dict:
-                # Orijinal vektör analizi
-                dist = spatial.distance.cosine(actor_v, movie_dict[i][1][:6])
-                
-                # 11.5 skoru hatasını engellemek için mesafeyi 0-1 arasına hapsediyoruz
-                dist = max(0, min(1, dist))
-                
-                # Sıralama kararlılığı için minik bir gürültü
-                noise = random.uniform(0, 0.00001)
-                results.append((movie_dict[i][0], dist + noise))
-            
-            # En iyi 5 eşleşmeyi (en küçük mesafe) al
-            top_matches = sorted(results, key=lambda x: x[1])[:5]
-            
-            for i, (film, score) in enumerate(top_matches, 1):
-                # Skoru % cinsinden hesapla: (1 - mesafe) * 100
-                pct = (1 - score) * 100
-                # %0-%100 arası kalmasını garanti et
-                pct = max(0, min(100, pct))
-                
-                st.success(f"**{i}. {film}**")
-                st.write(f"Match Score / Uyum Skoru: **%{pct:.1f}**")
-                st.progress(pct / 100)
-        else:
-            st.error("Model dosyası eksik!")
-
-st.markdown("---")
-st.info("💡 **How it works? / Nasıl çalışır?**: This AI analyzes career vectors based on available local assets. / Bu yapay zeka kariyer vektörlerini analiz eder.")
+filtered_names = [n for n, d in unlu_verileri.items() if d['c'] == gender_choice]
+
+st.title("🎬 CastMatch AI")
+
+col1, col2 = st.columns([1,2])
+
+with col1:
+    selected_actor = st.selectbox("Actor / Oyuncu", filtered_names)
+
+    if selected_actor:
+        for f in os.listdir(resim_klasoru):
+            if selected_actor.lower().replace(" ","_") in f.lower():
+                st.image(os.path.join(resim_klasoru, f))
+                break
+
+with col2:
+    if st.button("🚀 Match"):
+        actor_v = unlu_verileri[selected_actor]['v']
+        results = []
+
+        for i in movie_dict:
+            dist = spatial.distance.cosine(actor_v, movie_dict[i][1][:6])
+            results.append((movie_dict[i][0], dist))
+
+        top = sorted(results, key=lambda x: x[1])[:5]
+
+        for film, score in top:
+            pct = max(0, min(100, (1 - score) * 100))
+            st.write(f"{film} → %{round(pct,1)}")
+            st.progress(pct/100)