Las factorizaciones de matrices y tensores acoplados se han utilizado con éxito en muchos escenarios de fusión de datos donde se asume que los conjuntos de datos están exactamente acoplados. Sin embargo, en el mundo real, no todos los conjuntos de datos comparten las mismas matrices de factores, lo que dificulta el análisis conjunto de múltiples fuentes heterogéneas. Por esta razón, el acoplamiento aproximado o el acoplamiento parcial se utilizan ampliamente en la fusión de datos del mundo real, con el acoplamiento exacto como un caso especial de estas técnicas. Sin embargo, para abordar completamente el desafío de la factorización de tensores, en este documento proponemos dos métodos mejorados de factorización de tensores acoplados: uno para conjuntos de datos aproximadamente acoplados y otro para conjuntos de datos parcialmente acoplados. Una serie de experimentos utilizando tanto datos simulados como tres conjuntos de datos del mundo real demuestran la mayor precisión de estos enfoques sobre las líneas base existentes. En particular, al realizar experimentos con datos de