操作风险数据积累比较困难，而且往往不完整，朴素贝叶斯分类器是目前进行小样本分类最优秀的分类器之一，适合于操作风险等级预测。在对具有完整数据朴素贝叶斯分类器学习和分类的基础上，提出了基于星形结构和Gibbs sampling的具有丢失数据朴素贝叶斯分类器学习方法，能够避免目前常用的处理丢失数据方法所带来的局部最优、信息丢失和冗余等方面的问题。