注目機構を備えたエンコーダ・デコーダモデルに基づくニューラルネットワークモデルは、要約抽出型のテキスト要約において優れた性能を発揮する。しかし、これらのモデルは生成プロセスにおいて制御が困難であり、結果として重要な情報が欠落する傾向がある。本研究では、抽出型手法と要約抽出型手法を統合したガイド付き生成モデルを提案する。まず、抽出型モデルを用いて元のテキストからキーワードを取得する。次に、キーワードをキーメッセージ表現に符号化するキーメッセージガイドネットワーク（Key Information Guide Network; KIGN）を導入し、生成プロセスをガイドする。さらに、将来のデコードにおける長期的な価値を予測可能な予測ガイドメカニズムを用いることで、要約生成をより効果的に制御する。本モデルはCNN/Daily Mailデータセット上で評価された。実験結果から、本モデルが顕著な性能向上を達成することが示された。