Update app.py

app.py

@@ -0,0 +1,383 @@
+import pandas as pd
+import numpy as np
+import gradio as gr
+import os
+from sentence_transformers import SentenceTransformer, util 
+import torch 
+import re
+
+print("--- Film Öneri Sistemi Başlatılıyor (Hugging Face Deploy için) ---")
+
+# --- ADIM 1: Veri Seti Yükleniyor ve Keşfediliyor ---
+print("ADIM 1: Veri Seti Yükleniyor ve Keşfediliyor...")
+
+csv_file_name = "imdb-top-rated-movies-user-rated.csv" 
+file_path = os.path.join(".", csv_file_name) 
+
+if not os.path.exists(file_path):
+    print(f"HATA: '{csv_file_name}' dosyası '{file_path}' yolunda bulunamadı. Lütfen CSV dosyasını Space'e yüklediğinizden emin olun.")
+    exit(1)
+
+try:
+    df = pd.read_csv(file_path)
+    print(f"'{csv_file_name}' başarıyla yüklendi. Toplam {len(df)} film bulundu.")
+except Exception as e:
+    print(f"HATA: CSV dosyası yüklenirken hata oluştu: {e}")
+    exit(1)
+print("ADIM 1: Veri Seti Keşfi Tamamlandı.")
+
+
+# --- ADIM 2: Veri Temizliği ve Ön İşleme ---
+print("\nADIM 2: Veri Temizliği ve Ön İşleme Başlıyor...")
+
+df_filtered = df[['Title', 'IMDb Rating', 'Tags', 'Director', 'Stars', 'Votes', 'Description', 'Poster URL']].copy() 
+
+df_filtered['Stars'].fillna('', inplace=True) 
+df_filtered['Description'].fillna('', inplace=True) 
+df_filtered['Poster URL'].fillna('', inplace=True) 
+
+genre_mapping = {
+    'action': ['action', 'action epic', 'gun fu', 'one-person army action', 'car action', 'kung fu', 'martial arts', 'martial-arts'],
+    'adventure': ['adventure', 'adventure epic', 'desert adventure', 'animal adventure', 'space adventure', 'swashbuckler'],
+    'comedy': ['comedy', 'romantic comedy', 'buddy comedy', 'sitcom', 'black comedy', 'satire', 'spoof', 'parody', 'slapstick', 'screwball comedy', 'dark comedy', 'body swap comedy'],
+    'drama': ['drama', 'period drama', 'cop drama', 'legal drama', 'medical drama', 'teen drama', 'psychological drama', 'melodrama', 'historical drama', 'biography', 'romantic drama', 'showbiz drama', 'tragedy'],
+    'thriller': ['thriller', 'crime thriller', 'spy thriller', 'psychological thriller', 'mystery thriller', 'political thriller', 'conspiracy thriller', 'erotic thriller', 'cyber thriller', 'suspense'],
+    'sci-fi': ['sci-fi', 'space sci-fi', 'dystopian sci-fi', 'cyberpunk', 'alien invasion', 'mutant', 'robot', 'post-apocalyptic', 'time travel'],
+    'fantasy': ['fantasy', 'dark fantasy', 'sword & sorcery', 'fairy tale', 'epic fantasy'],
+    'horror': ['horror', 'slasher', 'supernatural horror', 'body horror', 'zombie', 'monster', 'vampire', 'werewolf', 'ghost'],
+    'mystery': ['mystery', 'suspense mystery', 'cozy mystery', 'whodunnit', 'detective', 'police procedural'],
+    'crime': ['crime', 'gangster', 'heist', 'mob', 'true crime'],
+    'romance': ['romance', 'romantic comedy', 'romantic drama'],
+    'animation': ['animation', 'adult animation', 'anime', 'computer animation', 'drawn animation', 'stop-motion animation'],
+    'family': ['family', 'kids'],
+    'western': ['western', 'classic western', 'neo-western'],
+    'war': ['war', 'war drama'],
+    'history': ['history', 'historical drama', 'biography'],
+    'music': ['music', 'musical', 'classic musical', 'concert'],
+    'documentary': ['documentary', 'docudrama', 'mockumentary']
+}
+
+reverse_genre_map = {}
+for main_genre, sub_genres in genre_mapping.items():
+    for sub_genre in sub_genres:
+        reverse_genre_map[sub_genre] = main_genre
+
+def map_to_main_genres(tag_list):
+    main_genres = set()
+    for tag in tag_list:
+        if tag in reverse_genre_map:
+            main_genres.add(reverse_genre_map[tag]) 
+    return list(main_genres)
+
+def clean_and_split(text_series):
+    if pd.isna(text_series):
+        return []
+    
+    item = str(text_series)
+    item = item.replace('"', '').replace("'", '').strip()
+    item = item.replace('sci, fi', 'sci-fi') 
+    
+    split_items = [s.strip().lower() for s in item.split(',') if s.strip()]
+    return split_items
+
+
+df_filtered['Tags_cleaned_raw'] = df_filtered['Tags'].apply(clean_and_split)
+df_filtered['Director_cleaned'] = df_filtered['Director'].apply(clean_and_split)
+df_filtered['Stars_cleaned'] = df_filtered['Stars'].apply(clean_and_split)
+
+df_filtered['Tags_cleaned'] = df_filtered['Tags_cleaned_raw'].apply(map_to_main_genres)
+
+
+def convert_votes_to_numeric(votes_str):
+    if isinstance(votes_str, str):
+        votes_str = votes_str.replace(",", "") 
+        if 'K' in votes_str:
+            return float(votes_str.replace('K', '')) * 1000
+        elif 'M' in votes_str:
+            return float(votes_str.replace('M', '')) * 1_000_000
+    try: 
+        return float(votes_str)
+    except ValueError:
+        return np.nan 
+
+df_filtered['Votes_numeric'] = df_filtered['Votes'].apply(convert_votes_to_numeric)
+df_filtered.drop('Votes', axis=1, inplace=True)
+df_filtered.dropna(subset=['Votes_numeric'], inplace=True) 
+
+df_filtered['Combined_Text'] = df_filtered['Title'] + ". " + \
+                               df_filtered['Description'] + ". " + \
+                               df_filtered['Tags_cleaned'].apply(lambda x: ", ".join(x)) + ". " + \
+                               df_filtered['Director_cleaned'].apply(lambda x: ", ".join(x)) + ". " + \
+                               df_filtered['Stars_cleaned'].apply(lambda x: ", ".join(x))
+
+print("\nADIM 2: Veri Temizliği ve Ön İşleme Tamamlandı.")
+
+
+# --- ADIM 3: NLP Modelini Yükleme ve ÖNCEDEN OLUŞTURULMUŞ Embedding'leri Yükleme ---
+print("\nADIM 3: NLP Modelini Yükleniyor ve Önceden Oluşturulmuş Embedding'ler Yükleniyor...")
+
+model_name = 'sentence-transformers/all-MiniLM-L6-v2'
+try:
+    sentence_model = SentenceTransformer(model_name)
+    print(f"'{model_name}' modeli başarıyla yüklendi.")
+except Exception as e:
+    print(f"HATA: Sentence Transformer modeli yüklenirken hata oluştu: {e}")
+    exit(1)
+
+embeddings_file_path = os.path.join(".", "film_embeddings.npy")
+if not os.path.exists(embeddings_file_path):
+    print(f"HATA: '{embeddings_file_path}' dosyası bulunamadı. Lütfen Space'e yüklediğinizden emin olun.")
+    exit(1)
+
+try:
+    film_embeddings = torch.from_numpy(np.load(embeddings_file_path))
+    print("Film embedding'leri başarıyla 'film_embeddings.npy' dosyasından yüklendi.")
+except Exception as e:
+    print(f"HATA: film_embeddings.npy yüklenirken hata oluştu: {e}")
+    exit(1)
+
+print("ADIM 3: NLP Modelini Yükleme ve Film Embedding'lerini Oluşturma Tamamlandı.")
+
+
+# --- ADIM 4: Film Öneri Sistemi Mantığını Oluşturma ---
+print("\nADIM 4: Film Öneri Sistemi Mantığı Oluşturuluyor...")
+
+all_tags = sorted(list(set([tag for sublist in df_filtered['Tags_cleaned'] for tag in sublist if tag in genre_mapping])))
+all_directors = sorted(list(set([director for sublist in df_filtered['Director_cleaned'] for director in sublist])))
+all_stars = sorted(list(set([star for sublist in df_filtered['Stars_cleaned'] for star in sublist])))
+
+def get_movie_recommendations(selected_tags, selected_directors, selected_stars, min_imdb_rating_slider, num_recommendations_slider, search_text=""):
+    
+    print(f"\n--- Öneri İsteği ---")
+    print(f"Seçilen Türler: {selected_tags}")
+    print(f"Seçilen Yönetmenler: {selected_directors}")
+    print(f"Seçilen Oyuncular: {selected_stars}")
+    print(f"Minimum IMDb Puanı: {min_imdb_rating_slider}")
+    print(f"Öneri Sayısı: {num_recommendations_slider}")
+    print(f"Arama Metni: '{search_text}'")
+    print(f"Başlangıç DataFrame boyutu: {len(df_filtered)} (Poster URL'si dahil)")
+
+    selected_tags_list = list(selected_tags) if selected_tags else []
+    selected_directors_list = list(selected_directors) if selected_directors else []
+    selected_stars_list = list(selected_stars) if selected_stars else []
+
+    recommendations_df = df_filtered.copy()
+    
+    recommendations_df = recommendations_df[recommendations_df['IMDb Rating'] >= min_imdb_rating_slider]
+    print(f"IMDb Puanı filtrelemesi sonrası: {len(recommendations_df)} film")
+    
+    if selected_tags_list:
+        recommendations_df = recommendations_df[
+            recommendations_df['Tags_cleaned'].apply(lambda x: any(tag in x for tag in selected_tags_list))
+        ]
+        print(f"Tür filtrelemesi sonrası: {len(recommendations_df)} film")
+    
+    if selected_directors_list:
+        recommendations_df = recommendations_df[
+            recommendations_df['Director_cleaned'].apply(lambda x: any(director in x for director in selected_directors_list))
+        ]
+        print(f"Yönetmen filtrelemesi sonrası: {len(recommendations_df)} film")
+        
+    if selected_stars_list:
+        recommendations_df = recommendations_df[
+            recommendations_df['Stars_cleaned'].apply(lambda x: any(star in x for star in selected_stars_list))
+        ]
+        print(f"Oyuncu filtrelemesi sonrası: {len(recommendations_df)} film")
+            
+    if search_text and len(recommendations_df) > 0:
+        print(f"'{search_text}' için NLP benzerlik araması yapılıyor...")
+        
+        try:
+            query_embedding = sentence_model.encode(search_text, convert_to_tensor=True)
+        except Exception as e:
+            print(f"HATA: Arama metni embedding'i oluşturulurken hata oluştu: {e}")
+            return "Arama metni işlenirken bir hata oluştu. Lütfen tekrar deneyin."
+        
+        filtered_indices = recommendations_df.index.tolist()
+        if not filtered_indices or len(film_embeddings) == 0:
+            print("HATA: Filtrelenmiş film indeksi bulunamadı veya embedding'ler boş.")
+            return "Filtreleme sonrası film bulunamadı."
+
+
+        try:
+            current_film_embeddings = film_embeddings[filtered_indices]
+            cosine_scores = util.cos_sim(query_embedding, current_film_embeddings)[0]
+            recommendations_df['Similarity_Score'] = cosine_scores.cpu().numpy() 
+            recommendations_df = recommendations_df.sort_values(
+                by=['Similarity_Score', 'IMDb Rating', 'Votes_numeric'], 
+                ascending=[False, False, False] 
+            ).reset_index(drop=True)
+            print(f"NLP benzerlik filtrelemesi sonrası: {len(recommendations_df)} film")
+        except Exception as e:
+            print(f"HATA: NLP benzerlik hesaplanırken hata oluştu: {e}")
+            return "Benzerlik hesaplanırken bir hata oluştu. Lütfen tekrar deneyin."
+
+    if not search_text: 
+        recommendations_df = recommendations_df.sort_values(
+            by=['IMDb Rating', 'Votes_numeric'], 
+            ascending=[False, False]
+        ).reset_index(drop=True)
+    
+    top_recommendations = recommendations_df.head(num_recommendations_slider)
+    
+    if top_recommendations.empty:
+        print("Kriterlere uygun film bulunamadı.")
+        return "Üzgünüz, seçtiğiniz kriterlere uygun film bulunamadı."
+    else:
+        print(f"Toplam {len(top_recommendations)} öneri bulundu.")
+        html_output = ""
+        for idx, row in top_recommendations.iterrows():
+            directors_str = ", ".join([d.title() for d in row['Director_cleaned']])
+            stars_str = ", ".join([s.title() for s in row['Stars_cleaned']])
+            tags_str = ", ".join([t.title() for t in row['Tags_cleaned']])
+
+            similarity_info = ""
+            if 'Similarity_Score' in row and search_text:
+                similarity_info = f", Benzerlik: {row['Similarity_Score']:.2f}"
+            
+            poster_url = row['Poster URL'] 
+            is_valid_image_url = False
+            if poster_url and pd.notna(poster_url):
+                if re.match(r".*\.(jpg|jpeg|png|gif|bmp|webp)$", poster_url.lower()):
+                    is_valid_image_url = True
+
+            poster_html = ""
+            if is_valid_image_url:
+                 poster_html = f'<img src="{poster_url}" alt="{row["Title"]} Poster" style="width: 120px; height: 180px; object-fit: cover; border-radius: 4px;">'
+            else:
+                poster_html = f"""
+                <div style="width: 120px; height: 180px; background-color: #2a2a2a; border-radius: 4px; display: flex; flex-direction: column; align-items: center; justify-content: center; text-align: center; color: #888; font-size: 0.8em; line-height: 1.2; padding: 5px;">
+                    <span style="font-weight: bold; margin-bottom: 5px;">{row['Title']}</span>
+                    <span>Poster Yok</span>
+                </div>
+                """
+
+            html_output += f"""
+            <div style="display: flex; margin-bottom: 20px; border: 1px solid #333; padding: 10px; border-radius: 8px; background-color: #1a1a1a;">
+                <div style="flex-shrink: 0; margin-right: 15px;">
+                    {poster_html}
+                </div>
+                <div style="flex-grow: 1;">
+                    <h3 style="margin-top: 0px; margin-bottom: 5px; color: #f39c12;">{row['Title']}</h3>
+                    <p style="margin-bottom: 5px; color: #eee;">IMDb: <b>{row['IMDb Rating']:.1f}</b> ⭐, Oylar: <b>{int(row['Votes_numeric']):,}</b> 🗳️{similarity_info}</p>
+                    <p style="margin-bottom: 5px; color: #bbb;">Yönetmen: {directors_str if directors_str else 'Bilinmiyor'}</p>
+                    <p style="margin-bottom: 5px; color: #bbb;">Oyuncular: {stars_str if stars_str else 'Bilinmiyor'}</p>
+                    <p style="margin-bottom: 0px; color: #bbb;">Türler: {tags_str if tags_str else 'Bilinmiyor'}</p>
+                </div>
+            </div>
+            """
+        return html_output
+
+print("\nADIM 4: Film Öneri Sistemi Mantığı Oluşturuldu.")
+
+
+# --- ADIM 5: Gradio Web Arayüzü Oluşturma ---
+print("\nADIM 5: Gradio Web Arayüzü Oluşturuluyor...")
+
+with gr.Blocks(theme=gr.themes.Soft(), css="""
+    .gradio-container { max-width: 1200px !important; font-family: 'Segoe UI', sans-serif; }
+    h1 { color: #f39c12; text-align: center; }
+    h3 { color: #eee; }
+    .gr-button.gr-button-primary { background-color: #f39c12 !important; border-color: #f39c12 !important; }
+    .gr-button.gr-button-primary:hover { background-color: #e67e22 !important; border-color: #e67e22 !important; }
+    .gr-checkbox-group label { color: #ccc; }
+    .gr-dropdown, .gr-slider, .gr-textbox { background-color: #2c2c2c; color: #eee; border-color: #555; }
+    .gr-dropdown-item { color: #eee; }
+""") as demo:
+    gr.Markdown(
+        """
+        # 🎬 Film Öneri Sistemi
+        Favori film özelliklerinizi seçin, yüksek IMDb puanına sahip filmleri keşfedin!
+        İstediğiniz bir film veya konu hakkında yazın, benzerlerini de bulalım.
+        """
+    )
+    
+    with gr.Row():
+        with gr.Column(scale=1):
+            gr.Markdown("### Film Özelliklerini Seçin:")
+            
+            tags_input = gr.CheckboxGroup(
+                label="Film Türleri", 
+                choices=all_tags, 
+                value=['action', 'drama'], 
+                interactive=True
+            )
+            
+            directors_input = gr.Dropdown(
+                label="Yönetmenler", 
+                choices=all_directors, 
+                multiselect=True,
+                allow_custom_value=False,
+                interactive=True
+            )
+
+            stars_input = gr.Dropdown(
+                label="Oyuncular", 
+                choices=all_stars, 
+                multiselect=True,
+                allow_custom_value=False,
+                interactive=True
+            )
+            
+            min_imdb_rating_slider = gr.Slider(
+                minimum=df_filtered['IMDb Rating'].min(), 
+                maximum=df_filtered['IMDb Rating'].max(), 
+                step=0.1, 
+                value=7.6, 
+                label="Minimum IMDb Puanı"
+            )
+
+            num_recommendations_slider = gr.Slider(
+                minimum=1, 
+                maximum=20, 
+                step=1, 
+                value=10, 
+                label="Öneri Sayısı"
+            )
+
+            search_text_input = gr.Textbox(
+                label="Film Adı veya Konu Hakkında Ara (NLP Tabanlı Benzerlik)",
+                placeholder="Örneğin: Batman, uzay filmi, zamanda yolculuk..."
+            )
+            
+            recommend_btn = gr.Button("🚀 Film Önerilerini Getir", variant="primary", size="lg")
+        
+        with gr.Column(scale=2): 
+            gr.Markdown("### Önerilen Filmler:")
+            output_html = gr.HTML(label="Önerileriniz burada listelenecektir.", value="<p style='text-align: center; color: #bbb;'>Henüz bir öneri yapılmadı. Özellikleri seçip butona tıklayın!</p>")
+    
+    recommend_btn.click(
+        fn=get_movie_recommendations,
+        inputs=[tags_input, directors_input, stars_input, min_imdb_rating_slider, num_recommendations_slider, search_text_input],
+        outputs=output_html
+    )
+
+    gr.Examples(
+        examples=[
+            [['action'], [], [], 7.6, 5, ""], 
+            [['comedy', 'drama'], [], [], 7.8, 3, ""], 
+            [[], ['christopher nolan'], [], 8.0, 5, ""], 
+            [[], [], ['leonardo dicaprio'], 7.8, 3, ""], 
+            [[], [], [], 8.0, 5, "kahramanlık ve bilim kurgu"], 
+            [['action', 'sci-fi'], [], [], 7.8, 5, "uzaylı istilası ve kaçış"], 
+        ],
+        inputs=[tags_input, directors_input, stars_input, min_imdb_rating_slider, num_recommendations_slider, search_text_input],
+        outputs=output_html, 
+        fn=get_movie_recommendations,
+        label="Örnek Önerileri Deneyin"
+    )
+    
+    gr.Markdown(
+        """
+        ---
+        ### ℹ️ Nasıl Kullanılır?
+        1.  **Film Türleri, Yönetmenler ve Oyuncular** bölümlerinden istediğiniz filtreleri seçin (birden fazla seçim yapabilirsiniz).
+        2.  **Minimum IMDb Puanı** ve **Öneri Sayısı** çubuklarını ayarlayın.
+        3.  İsterseniz **"Film Adı veya Konu Hakkında Ara"** kutucuğuna bir film adı, konu veya anahtar kelime yazın.
+        4.  **"🚀 Film Önerilerini Getir"** butonuna tıklayın.
+        5.  Öneriler sağ panelde görünecektir!
+        """
+    )
+
+demo.launch(share=True)
+print("\nADIM 5: Gradio Web Arayüzü Başlatıldı.")