Update app.py

app.py

@@ -17,7 +17,6 @@ model_data = load_data()
 movie_dict = model_data['movie_dict'] if model_data else {}
 
 # --- 2. OYUNCU DNA VERİTABANI ---
-# Buradaki değerler tüm oyuncular için genel karakteri belirler.
 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]},
@@ -58,15 +57,15 @@ tum_unlu_verileri = {
     "Cameron Diaz": {"c": "Female / Kadın", "v": [0.1, 0.2, 0.95, 0.7, 0.1, 0.1]}
 }
 
-# --- ARAYÜZ ---
+# --- 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...":
         return None
     ana_dizin = os.getcwd()
-    # Hem boşluklu hem alt tireli aramayı destekler
     search_term = actor_name.lower().replace(" ", "_")
     search_term_plain = actor_name.lower()
     for f in os.listdir(ana_dizin):
@@ -76,64 +75,72 @@ def get_image_path(actor_name):
                 return os.path.join(ana_dizin, f)
     return None
 
+# --- SOL PANEL ---
 st.sidebar.title("🔍 Control Panel / Kontrol Paneli")
 st.sidebar.markdown("---")
-gender_choice = st.sidebar.radio("1. Select Category / Kategori Seçin:", ["Male / Erkek", "Female / Kadın"])
 
-filtered_names = sorted([name for name, data in tum_unlu_verileri.items() if data['c'] == gender_choice])
+gender_choice = st.sidebar.radio(
+    "1. Select Category / Kategori Seçin:",
+    ["Male / Erkek", "Female / Kadın"]
+)
 
+# SIRALAMAYI BOZMADAN FİLTRELEME (Stallone ilk sırada kalır)
+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("#### Discover the perfect roles for global stars!")
 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)
     options = ["Choose... / Seçiniz..."] + filtered_names
     selected_actor = st.selectbox("Select from list / Listeden seçin:", options)
     
-    image_placeholder = st.empty()
+    image_placeholder = st.empty() # Titremeyi önleyen konteyner
+    
     if selected_actor != "Choose... / Seçiniz...":
-        path = get_image_path(selected_actor)
-        if path:
-            image_placeholder.image(path, caption=f"Profile: {selected_actor}", use_container_width=True)
+        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}")
     else:
-        image_placeholder.info("Please select an actor. / Bir oyuncu seçin.")
+        image_placeholder.info("Please select an actor to see the profile.")
 
 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...")
+    st.write("Comparing the star's DNA with movie roles...")
     
     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!")
+            st.warning("Please pick an actor first!")
         elif movie_dict:
             actor_v = tum_unlu_verileri[selected_actor]['v']
             results = []
             for i in movie_dict:
-                # Saf matematik: Mesafe ne kadar küçükse uyum o kadar yüksek
+                # Saf Cosine Similarity - Tüm kişiler için eşit matematik
                 dist = spatial.distance.cosine(actor_v, movie_dict[i][1][:6])
-                # Titremeyi önlemek ve sıralamayı stabilize etmek için çok küçük bir rastlantısallık
-                noise = random.uniform(0, 0.00001) 
-                results.append((movie_dict[i][0], dist + noise))
+                results.append((movie_dict[i][0], dist))
             
-            # Küçükten büyüğe sırala (en yakın olan en üstte)
+            # En iyi 5 eşleşmeyi getir (Küçük mesafe = Yüksek uyum)
             top_matches = sorted(results, key=lambda x: x[1])[:5]
             
             for i, (film, score) in enumerate(top_matches, 1):
-                # Skor % hesabını 1 - mesafe üzerinden yapıyoruz
                 pct = round((1 - score) * 100, 1)
-                # %0 ile %100 arasında kalmasını garanti et
-                pct = max(0, min(100, pct))
-                
                 st.success(f"**{i}. {film}**")
-                st.write(f"Match Score / Uyum Skoru: **%{pct}**")
+                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 uses Cosine Similarity to compare talent vectors with movie genres.")
+st.info("💡 **How it works?**: This AI analyzes career vectors based on available local assets.")