Update app.py

app.py

@@ -4,36 +4,31 @@ from scipy import spatial
 import random
 import os
 
-# --- 1. SAYFA YAPISI VE CSS (Titremeyi Engellemek İçin En Önemli Kısım) ---
+# --- TİTREMEYİ ÖNLEYİCİ CSS (Arayüz yapını bozmaz, sadece sabitler) ---
 st.set_page_config(page_title="CastMatch AI", layout="wide")
-
-# 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; 
+    /* Resim kutusunun boyutunu sabitleyerek sayfanın zıplamasını engeller */
+    [data-testid="stImage"] img {
+        max-height: 400px;
+        object-fit: contain;
     }
     </style>
     """, unsafe_allow_html=True)
 
-# --- 2. VERİ VE MODEL (Cache/Önbellek) ---
+# 1. MODELİ YÜKLE (Cache eklendi: Dosyayı her saniye okumasını engeller)
 @st.cache_resource
-def load_model():
+def load_data():
     try:
         with open('movie_model.pkl', 'rb') as f:
             return pickle.load(f)
     except:
         return None
 
-model_data = load_model()
+model_data = load_data()
 movie_dict = model_data['movie_dict'] if model_data else {}
 
-# Veritabanı (Sabit tutuldu)
+# 2. TÜM OYUNCU DNA VERİTABANI (Senin orijinal verilerin)
 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]},
@@ -74,57 +69,88 @@ tum_unlu_verileri = {
     "Cameron Diaz": {"c": "Female / Kadın", "v": [0.1, 0.2, 0.95, 0.7, 0.1, 0.1]}
 }
 
-# --- 3. DOSYA TARAMA (Cache/Önbellek) ---
-@st.cache_data
-def get_images():
-    return [f for f in os.listdir(os.getcwd()) if f.lower().endswith(('.png', '.jpg', '.jpeg'))]
+# --- DİNAMİK FİLTRELEME ---
+resim_klasoru = os.getcwd() # Hugging Face için ana dizine ayarlandı
+
+@st.cache_data # Dosya sistemini sürekli taramasını engeller
+def klasordeki_unluleri_getir():
+    mevcut_unlular = {}
+    dosyalar = [f.lower() for f in os.listdir(resim_klasoru)]
+    for isim, veri in tum_unlu_verileri.items():
+        search_pattern1 = isim.lower().replace(" ", "_")
+        search_pattern2 = isim.lower()
+        if any(search_pattern1 in d or search_pattern2 in d for d in dosyalar if d.endswith(('.jpg', '.png', '.jpeg'))):
+            mevcut_unlular[isim] = veri
+    return mevcut_unlular
+
+unlu_verileri = klasordeki_unluleri_getir()
+
+# --- SOL PANEL (SIDEBAR) ---
+st.sidebar.title("🔍 Control Panel / Kontrol Paneli")
+st.sidebar.markdown("---")
+
+gender_choice = st.sidebar.radio(
+    "1. Select Category / Kategori Seçin:",
+    ["Male / Erkek", "Female / Kadın"],
+    key="gender_radio" # Sabit key titremeyi azaltır
+)
 
-all_images = get_images()
+filtered_names = [name for name, data in unlu_verileri.items() if data['c'] == gender_choice]
 
-# 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
+st.sidebar.markdown(f"### 📋 Available Cast / Mevcut Oyuncular")
+if not filtered_names:
+    st.sidebar.warning("Bu kategoride resim bulunamadı.")
+for n in filtered_names:
+    st.sidebar.write(f"• {n}")
 
-# --- 4. ARAYÜZ ---
-st.title("🎬 CastMatch AI")
+# --- ANA EKRAN ---
+st.title("🎬 CastMatch AI: Talent Matching System")
+st.markdown("#### Discover the perfect roles for global stars!")
 st.markdown("---")
 
 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("👤 Cast / Oyuncu")
-    # INDEX kullanarak seçimi sabitlemek titremeyi azaltır
-    actor = st.selectbox("Select / Seç:", names if names else ["-"], key="act_select")
-    
-    # Resim alanı için sabit bir placeholder
-    placeholder = st.empty()
+    st.subheader("👤 Pick an Actor / Oyuncu Seç")
+    selected_actor = st.selectbox("Select from list:", filtered_names if filtered_names else ["Yok"], key="actor_select")
     
-    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)
-        
-        if img_file:
-            placeholder.image(img_file, use_container_width=True)
+    # Resim kutusu (boşluk titremesini engellemek için container içine alındı)
+    with st.container():
+        if selected_actor != "Yok":
+            found_path = None
+            search_target = selected_actor.replace(" ", "_").lower()
+            for f in os.listdir(resim_klasoru):
+                if f.lower().startswith(search_target) or selected_actor.lower() in f.lower():
+                    found_path = os.path.join(resim_klasoru, f)
+                    break
+            
+            if found_path:
+                st.image(found_path, caption=f"Profile: {selected_actor}", use_container_width=True)
+            else:
+                st.error("Resim yüklenemedi.")
 
 with col_match:
-    st.subheader("🎯 Matches / Eşleşmeler")
-    if st.button("🚀 Match / Eşleştir", key="m_btn") and actor != "-":
+    st.subheader("🎯 Best Career Matches")
+    st.write("Comparing the star's DNA with movie roles...")
+    
+    # Buton ve sonuçlar
+    if st.button("🚀 Match and Recommend", key="match_button") and selected_actor != "Yok":
         if movie_dict:
-            vec = unlu_verileri[actor]['v']
-            res = []
+            actor_v = unlu_verileri[selected_actor]['v']
+            results = []
             for i in movie_dict:
-                d = spatial.distance.cosine(vec, movie_dict[i][1][:6]) + random.uniform(0, 0.00001)
-                res.append((movie_dict[i][0], d))
+                noise = random.uniform(0, 0.0001)
+                dist = spatial.distance.cosine(actor_v, movie_dict[i][1][:6]) + noise
+                results.append((movie_dict[i][0], dist))
             
-            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)
+            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)
+                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.")