Update app.py

app.py

@@ -16,7 +16,8 @@ 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. 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]},
@@ -74,63 +75,80 @@ def get_image_path(actor_name):
                 return os.path.join(ana_dizin, f)
     return None
 
-# --- SOL PANEL ---
-st.sidebar.title("🔍 Control Panel")
+# --- SOL PANEL (BİLGİLER BURADA) ---
+st.sidebar.title("🔍 Control Panel / Kontrol Paneli")
 st.sidebar.markdown("---")
-gender_choice = st.sidebar.radio("Kategori Seçin:", ["Male / Erkek", "Female / Kadın"])
 
-# Sıralamayı bozmadan (Stallone ilk sırada) filtreleme
+gender_choice = st.sidebar.radio(
+    "1. Select Category / Kategori Seçin:",
+    ["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")
+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("👤 Oyuncu Seç")
+    st.subheader("👤 Pick an Actor / Oyuncu Seç")
     options = ["Choose... / Seçiniz..."] + filtered_names
-    selected_actor = st.selectbox("Listeden seçin:", options)
+    selected_actor = st.selectbox("Select from list / Listeden seçin:", options)
     
-    # Titreme önleyici resim alanı
-    image_container = st.container()
+    # Brad Pitt ve diğerlerinde titremeyi önlemek için alanı ayırıyoruz
     if selected_actor != "Choose... / Seçiniz...":
         path = get_image_path(selected_actor)
         if path:
-            image_container.image(path, use_container_width=True)
+            st.image(path, caption=f"Profile: {selected_actor}", use_container_width=True)
+        else:
+            st.warning(f"⚠️ Resim bulunamadı: {selected_actor}")
     else:
-        image_container.info("Lütfen bir oyuncu seçin.")
+        st.info("Please select an actor to see the profile. / Profili görmek için bir oyuncu seçin.")
 
 with col_match:
-    st.subheader("🎯 Kariyer Eşleşmeleri")
+    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("🚀 Eşleştir ve Öner"):
+    if st.button("🚀 Match and Recommend / Eşleştir ve Öner"):
         if selected_actor == "Choose... / Seçiniz...":
-            st.warning("Önce oyuncu seçmelisiniz!")
+            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:
-                # 1. Mesafe hesapla
+                # Orijinal vektör analizi
                 dist = spatial.distance.cosine(actor_v, movie_dict[i][1][:6])
                 
-                # 2. Skor hatalarını engelle (0-1 arasına sabitle)
+                # 11.5 skoru hatasını engellemek için mesafeyi 0-1 arasına hapsediyoruz
                 dist = max(0, min(1, dist))
                 
-                # 3. Minik noise ekle (sıralama için)
+                # Sıralama kararlılığı için minik bir gürültü
                 noise = random.uniform(0, 0.00001)
                 results.append((movie_dict[i][0], dist + noise))
             
-            # 4. Mesafeye göre en yakınları (en küçükleri) seç
+            # 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):
-                # Doğru Yüzde Hesabı: (1 - mesafe) * 100
+                # Skoru % cinsinden hesapla: (1 - mesafe) * 100
                 pct = (1 - score) * 100
-                pct = max(0, min(100, pct)) # %0-100 dışına asla çıkamaz
+                # %0-%100 arası kalmasını garanti et
+                pct = max(0, min(100, pct))
                 
                 st.success(f"**{i}. {film}**")
-                st.write(f"Uyum Skoru: **%{pct:.1f}**")
-                st.progress(pct / 100)
+                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.")