تمتلك نماذج الشبكات العصبية المستندة إلى نموذج المُشفر-المُفكك القائم على الانتباه قدرة جيدة على تلخيص النصوص بشكل استخلاصي (abstractive). ومع ذلك، فإن هذه النماذج يصعب التحكم بها أثناء عملية التوليد، مما يؤدي إلى فقدان معلومات رئيسية مهمة. نقترح نموذجًا للتوليد الموجه يجمع بين الطريقة الاستخلاصية (extractive) والطريقة الاستخلاصية المُبَلَّغة (abstractive). أولاً، نحصل على الكلمات المفتاحية من النص باستخدام نموذج استخلاصي. ثم نُقدِّم شبكة توجيه المعلومات الأساسية (Key Information Guide Network - KIGN)، التي تقوم بتمثيل الكلمات المفتاحية كممثل للبيانات الأساسية، لتوجيه عملية التوليد. علاوةً على ذلك، نستخدم آلية توجيه قائمة على التنبؤ، والتي تُمكّن من استخلاص القيمة طويلة الأمد لعمليات التفكيك المستقبلية، لتعزيز التوجيه أثناء توليد الملخص. قمنا بتقييم نموذجنا على مجموعة بيانات CNN/Daily Mail، وأظهرت النتائج التجريبية تحسنًا ملحوظًا في الأداء.