咨询：基于总出现次数的NLP特征选择技术名称

我有一个来自技术文档NLP任务的数据集，包含60,000条记录和30,000个特征，特征值为对应词汇/特征的出现次数。数据集示例如下：

RowID       Microsoft  Internet  PCI  Laptop  Google  AWS  iPhone  Chrome
1              8          2       0      0      5      1      0       0
2              0          1       0      1      1      4      1       0
3              0          0       0      7      1      0      5       0
4              1          0       0      1      6      7      5       0
5              5          1       0      0      5      0      3       1
6              1          5       0      8      0      1      0       0

-------------------------------------------------------------------------
Total          9,470     821      5     107     4,605  719    25      8
Appearance

部分词汇在全数据集中出现次数不足10次，现采用仅筛选总出现次数超过阈值（如100次）的特征的方法，请问该特征选择技术的名称是什么？

这种特征选择技术叫做词频阈值过滤（Frequency-based Feature Filtering），也常被称为低词频特征移除。

它的核心逻辑是：移除在整个数据集中总出现次数低于设定阈值的特征（词汇）——这类特征通常携带的有效信息极少，反而会增加模型的计算负担、引入噪声，通过过滤它们可以精简特征空间，提升后续模型的效率与效果。

内容的提问来源于stack exchange，提问作者asmgx