Update app.py

app.py

@@ -16,7 +16,7 @@ def load_data():
 model_data = load_data()
 movie_dict = model_data['movie_dict'] if model_data else {}
 
-# --- 2. OYUNCU DNA VERİTABANI ---
+# --- 2. OYUNCU DNA VERİTABANI (Sıralama Stallone ile başlar) ---
 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]},
@@ -60,7 +60,6 @@ tum_unlu_verileri = {
 # --- ARAYÜZ AYARLARI ---
 st.set_page_config(page_title="CastMatch AI", layout="wide")
 
-# RESİM CACHE (TİTREMEYİ ÖNLER)
 @st.cache_data
 def get_image_path(actor_name):
     if not actor_name or actor_name == "Choose... / Seçiniz...":
@@ -76,71 +75,62 @@ def get_image_path(actor_name):
     return None
 
 # --- SOL PANEL ---
-st.sidebar.title("🔍 Control Panel / Kontrol Paneli")
+st.sidebar.title("🔍 Control Panel")
 st.sidebar.markdown("---")
+gender_choice = st.sidebar.radio("Kategori Seçin:", ["Male / Erkek", "Female / Kadın"])
 
-gender_choice = st.sidebar.radio(
-    "1. Select Category / Kategori Seçin:",
-    ["Male / Erkek", "Female / Kadın"]
-)
-
-# SIRALAMAYI BOZMADAN FİLTRELEME (Stallone ilk sırada kalır)
+# Sıralamayı bozmadan (Stallone ilk sırada) 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!")
+st.title("🎬 CastMatch AI")
 st.markdown("---")
 
 col_actor, col_match = st.columns([1, 2])
 
 with col_actor:
-    st.subheader("👤 Pick an Actor / Oyuncu Seç")
-    
-    # "Choose..." seçeneği en başa, ardından veritabanındaki sıra (Stallone 1. sırada)
+    st.subheader("👤 Oyuncu Seç")
     options = ["Choose... / Seçiniz..."] + filtered_names
-    selected_actor = st.selectbox("Select from list / Listeden seçin:", options)
-    
-    image_placeholder = st.empty() # Titremeyi önleyen konteyner
+    selected_actor = st.selectbox("Listeden seçin:", options)
     
+    # Titreme önleyici resim alanı
+    image_container = st.container()
     if selected_actor != "Choose... / Seçiniz...":
-        found_path = get_image_path(selected_actor)
-        if found_path:
-            image_placeholder.image(found_path, caption=f"Profile: {selected_actor}", use_container_width=True)
-        else:
-            image_placeholder.warning(f"⚠️ Resim bulunamadı: {selected_actor}")
+        path = get_image_path(selected_actor)
+        if path:
+            image_container.image(path, use_container_width=True)
     else:
-        image_placeholder.info("Please select an actor to see the profile.")
+        image_container.info("Lütfen 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...")
+    st.subheader("🎯 Kariyer Eşleşmeleri")
     
-    if st.button("🚀 Match and Recommend / Eşleştir ve Öner"):
+    if st.button("🚀 Eşleştir ve Öner"):
         if selected_actor == "Choose... / Seçiniz...":
-            st.warning("Please pick an actor first!")
+            st.warning("Önce oyuncu seçmelisiniz!")
         elif movie_dict:
             actor_v = tum_unlu_verileri[selected_actor]['v']
             results = []
+            
             for i in movie_dict:
-                # Saf Cosine Similarity - Tüm kişiler için eşit matematik
+                # 1. Mesafe hesapla
                 dist = spatial.distance.cosine(actor_v, movie_dict[i][1][:6])
-                results.append((movie_dict[i][0], dist))
+                
+                # 2. Skor hatalarını engelle (0-1 arasına sabitle)
+                dist = max(0, min(1, dist))
+                
+                # 3. Minik noise ekle (sıralama için)
+                noise = random.uniform(0, 0.00001)
+                results.append((movie_dict[i][0], dist + noise))
             
-            # En iyi 5 eşleşmeyi getir (Küçük mesafe = Yüksek uyum)
+            # 4. Mesafeye göre en yakınları (en küçükleri) seç
             top_matches = sorted(results, key=lambda x: x[1])[:5]
             
             for i, (film, score) in enumerate(top_matches, 1):
-                pct = round((1 - score) * 100, 1)
+                # Doğru Yüzde Hesabı: (1 - mesafe) * 100
+                pct = (1 - score) * 100
+                pct = max(0, min(100, pct)) # %0-100 dışına asla çıkamaz
+                
                 st.success(f"**{i}. {film}**")
-                st.write(f"Match Score: **%{pct}**")
-                st.progress(pct / 100)
-        else:
-            st.error("Model dosyası eksik!")
-
-st.markdown("---")
-st.info("💡 **How it works?**: This AI analyzes career vectors based on available local assets.")
+                st.write(f"Uyum Skoru: **%{pct:.1f}**")
+                st.progress(pct / 100)