A base a ser utilizada é a CoNLL-03. Ela é um conjunto de dados frequentemente utilizado na área de PLN e, em particular, em tarefas de NER. Essa base consiste em textos em inglês anotados manualmente com informações sobre entidades nomeadas, como pessoas, organizações, locações e outras categorias relevantes. Cada token no texto é rotulado com sua respectiva entidade nomeada.

Exemplo de amostra da base:

```python
{'id': '0',
 'tokens': ['EU', 'rejects', 'German', 'call', 'to', 'boycott', 'British', 'lamb', '.'],
 'pos_tags': [22, 42, 16, 21, 35, 37, 16, 21, 7],
 'chunk_tags': [11, 21, 11, 12, 21, 22, 11, 12, 0],
 'ner_tags': [3, 0, 7, 0, 0, 0, 7, 0, 0]}
```
As informações relevantes para o NER são as chaves `tokens` e `ner_tags`.

As entidades presentes na base são:

0. O (Out): Indica que o token não faz parte de nenhuma entidade nomeada. Este é o rótulo padrão atribuído a tokens que não são parte de uma entidade específica.

1. B-PER (Begin-PERSON): Indica o início de uma entidade nomeada de pessoa. Por exemplo, "John" em "John Doe".

2. I-PER (Inside-PERSON): Indica que o token faz parte de uma entidade nomeada de pessoa, mas não é o primeiro token. Por exemplo, "Doe" em "John Doe".

3. B-ORG (Begin-ORGANIZATION): Indica o início de uma entidade nomeada de organização. Por exemplo, "Google" em "Google Inc.".

4. I-ORG (Inside-ORGANIZATION): Indica que o token faz parte de uma entidade nomeada de organização, mas não é o primeiro token. Por exemplo, "Inc." em "Google Inc.".

5. B-LOC (Begin-LOCATION): Indica o início de uma entidade nomeada de localização. Por exemplo, "Paris" em "Paris, França".

6. I-LOC (Inside-LOCATION): Indica que o token faz parte de uma entidade nomeada de localização, mas não é o primeiro token. Por exemplo, "França" em "Paris, França".

7. B-MISC (Begin-MISC): Indica o início de uma entidade nomeada de categoria miscelânea, que pode incluir eventos, produtos, entre outros. Por exemplo, "Copa do Mundo" em "Copa do Mundo de 2018".

8. I-MISC (Inside-MISC): Indica que o token faz parte de uma entidade nomeada miscelânea, mas não é o primeiro token. Por exemplo, "de" em "Copa do Mundo de 2018".