주의 기반 인코더-디코더 구조를 기반으로 한 신경망 모델은 추상적 요약(abstractive text summarization)에서 뛰어난 성능을 보이고 있다. 그러나 이러한 모델은 생성 과정에서 제어가 어려워 핵심 정보가 누락되는 문제가 발생한다. 본 연구에서는 추출적 방법과 추상적 방법을 결합한 가이드 생성 모델을 제안한다. 먼저, 추출적 모델을 통해 입력 텍스트에서 핵심 키워드를 추출한다. 이후, 추출된 키워드를 핵심 정보 표현으로 인코딩하여 생성 과정을 안내하는 키 정보 가이드 네트워크(Key Information Guide Network, KIGN)를 도입한다. 더불어, 향후 디코딩에 대한 장기적 가치(long-term value)를 예측할 수 있는 예측-가이드 메커니즘을 활용하여 요약 생성을 더욱 효과적으로 유도한다. 제안한 모델은 CNN/Daily Mail 데이터셋을 기반으로 평가되었으며, 실험 결과 본 모델이 상당한 성능 향상을 이끌어냈다.