Update app.py

app.py

@@ -4,22 +4,36 @@ from scipy import spatial
 import random
 import os
 
-# --- SAYFA AYARLARI ---
+# --- 1. SAYFA YAPISI VE CSS (Titremeyi Engellemek İçin En Önemli Kısım) ---
 st.set_page_config(page_title="CastMatch AI", layout="wide")
 
-# --- 1. MODEL VE VERİ YÜKLEME (ÖNBELLEKLİ) ---
+# Resim kutusunun zıplamasını engelleyen özel CSS
+st.markdown("""
+    <style>
+    .stImage > img {
+        border-radius: 10px;
+        max-height: 450px;
+        object-fit: cover;
+    }
+    div[data-testid="stVerticalBlock"] > div:has(div.stImage) {
+        min-height: 450px; 
+    }
+    </style>
+    """, unsafe_allow_html=True)
+
+# --- 2. VERİ VE MODEL (Cache/Önbellek) ---
 @st.cache_resource
 def load_model():
     try:
         with open('movie_model.pkl', 'rb') as f:
             return pickle.load(f)
-    except Exception as e:
+    except:
         return None
 
 model_data = load_model()
 movie_dict = model_data['movie_dict'] if model_data else {}
 
-# Oyuncu DNA Veritabanı
+# Veritabanı (Sabit tutuldu)
 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]},
@@ -60,102 +74,57 @@ tum_unlu_verileri = {
     "Cameron Diaz": {"c": "Female / Kadın", "v": [0.1, 0.2, 0.95, 0.7, 0.1, 0.1]}
 }
 
-# --- 2. DOSYA VE RESİM TARAMA (HIZ İÇİN ÖNBELLEKLİ) ---
+# --- 3. DOSYA TARAMA (Cache/Önbellek) ---
 @st.cache_data
-def get_available_images():
-    current_dir = os.getcwd()
-    files = os.listdir(current_dir)
-    return [f for f in files if f.lower().endswith(('.png', '.jpg', '.jpeg'))]
+def get_images():
+    return [f for f in os.listdir(os.getcwd()) if f.lower().endswith(('.png', '.jpg', '.jpeg'))]
 
-def filter_actors_by_images():
-    available_files = get_available_images()
-    mevcut_unlular = {}
-    for name, data in tum_unlu_verileri.items():
-        search_target = name.lower().replace(" ", "_")
-        search_target_alt = name.lower()
-        if any(search_target in f.lower() or search_target_alt in f.lower() for f in available_files):
-            mevcut_unlular[name] = data
-    return mevcut_unlular
+all_images = get_images()
 
-unlu_verileri = filter_actors_by_images()
+# Mevcut olanları filtrele
+unlu_verileri = {}
+for n, v in tum_unlu_verileri.items():
+    if any(n.lower().replace(" ","_") in f.lower() or n.lower() in f.lower() for f in all_images):
+        unlu_verileri[n] = v
 
-# --- 3. ARAYÜZ ---
-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!")
+# --- 4. ARAYÜZ ---
+st.title("🎬 CastMatch AI")
 st.markdown("---")
 
-# SOL PANEL
-st.sidebar.title("🔍 Control Panel / Kontrol Paneli")
-gender_choice = st.sidebar.radio(
-    "1. Select Category / Kategori Seçin:",
-    ["Male / Erkek", "Female / Kadın"],
-    key="gender_radio"
-)
-
-filtered_names = [name for name, data in unlu_verileri.items() if data['c'] == gender_choice]
-
-st.sidebar.markdown("### 📋 Available Cast / Mevcut Oyuncular")
-if not filtered_names:
-    st.sidebar.warning("No images found in this category / Bu kategoride resim bulunamadı.")
-else:
-    for n in filtered_names:
-        st.sidebar.write(f"• {n}")
-
-# ANA EKRAN KOLONLARI
 col_actor, col_match = st.columns([1, 2])
 
+# Sidebar Kategorisi
+gender = st.sidebar.radio("Category / Kategori:", ["Male / Erkek", "Female / Kadın"], key="g_radio")
+names = [n for n, d in unlu_verileri.items() if d['c'] == gender]
+
 with col_actor:
-    st.subheader("👤 Pick an Actor / Oyuncu Seç")
-    selected_actor = st.selectbox(
-        "Select from list / Listeden seçin:", 
-        filtered_names if filtered_names else ["Yok"],
-        key="actor_select"
-    )
+    st.subheader("👤 Cast / Oyuncu")
+    # INDEX kullanarak seçimi sabitlemek titremeyi azaltır
+    actor = st.selectbox("Select / Seç:", names if names else ["-"], key="act_select")
     
-    # Resim Alanı (Titremeyi önlemek için container kullanıyoruz)
-    img_container = st.container()
+    # Resim alanı için sabit bir placeholder
+    placeholder = st.empty()
     
-    if selected_actor != "Yok":
-        # Resmi bulalım
-        all_images = get_available_images()
-        search_target = selected_actor.lower().replace(" ", "_")
-        search_target_alt = selected_actor.lower()
+    if actor != "-":
+        target = actor.lower().replace(" ","_")
+        target_alt = actor.lower()
+        img_file = next((f for f in all_images if f.lower().startswith(target) or f.lower().startswith(target_alt)), None)
         
-        found_file = None
-        for f in all_images:
-            if f.lower().startswith(search_target) or f.lower().startswith(search_target_alt):
-                found_file = f
-                break
-        
-        with img_container:
-            if found_file:
-                st.image(found_file, caption=f"Profile: {selected_actor}", use_container_width=True)
-            else:
-                st.error("Image not found / Resim bulunamadı.")
+        if img_file:
+            placeholder.image(img_file, use_container_width=True)
 
 with col_match:
-    st.subheader("🎯 Best Career Matches / En İyi Kariyer Eşleşmeleri")
-    st.write("Comparing DNA with roles... / DNA film rolleriyle karşılaştırılıyor...")
-    
-    if st.button("🚀 Match and Recommend / Eşleştir ve Öner", key="match_btn") and selected_actor != "Yok":
+    st.subheader("🎯 Matches / Eşleşmeler")
+    if st.button("🚀 Match / Eşleştir", key="m_btn") and actor != "-":
         if movie_dict:
-            actor_v = unlu_verileri[selected_actor]['v']
-            results = []
+            vec = unlu_verileri[actor]['v']
+            res = []
             for i in movie_dict:
-                # Küçük bir noise ekleyerek sıralamanın her seferinde sağlıklı olmasını sağlıyoruz
-                noise = random.uniform(0, 0.00001)
-                dist = spatial.distance.cosine(actor_v, movie_dict[i][1][:6]) + noise
-                results.append((movie_dict[i][0], dist))
-            
-            top_matches = sorted(results, key=lambda x: x[1])[:5]
+                d = spatial.distance.cosine(vec, movie_dict[i][1][:6]) + random.uniform(0, 0.00001)
+                res.append((movie_dict[i][0], d))
             
-            for i, (film, score) in enumerate(top_matches, 1):
-                pct = round((1 - score) * 100, 1)
-                st.success(f"**{i}. {film}**")
-                st.write(f"Match Score / Uyum Skoru: **%{pct}**")
-                st.progress(pct / 100)
-        else:
-            st.error("Model not loaded / Model yüklenemedi.")
-
-st.markdown("---")
-st.info("💡 **How it works? / Nasıl çalışır?**: This AI analyzes career vectors based on available local assets. / Bu yapay zeka, mevcut yerel varlıklara dayanarak kariyer vektörlerini analiz eder.")
+            top = sorted(res, key=lambda x: x[1])[:5]
+            for i, (f, s) in enumerate(top, 1):
+                p = round((1-s)*100, 1)
+                st.success(f"**{i}. {f}** (%{p})")
+                st.progress(p/100)