贝叶斯信念网络（Bayesian Belief Network, BBN）是一种概率图模型，用于表示随机变量及其条件依赖关系。以下是对这些选项的分析：

A. **构造网络费时费力**
- **正确**。构建贝叶斯信念网络的结构通常需要专家知识和大量的计算资源，特别是在确定节点和节点之间的依赖关系时，这一过程可能非常耗时和复杂。

B. **对模型的过分问题非常鲁棒**
- **错误**。贝叶斯信念网络并不特别鲁棒于模型的过拟合问题。过拟合在复杂模型中依然可能发生，需要通过特定的统计技术或正则化方法进行处理。

C. **贝叶斯网络不适合处理不完整的数据**
- **错误**。事实上，贝叶斯网络具有一定的能力来处理不完整数据。其通过推理算法可以在给定部分数据的情况下进行概率推断，使其在某些缺失数据情况下也能有效运作。

D. **网络结构确定后，添加变量相当麻烦**
- **正确**。一旦贝叶斯网络的结构被确定，添加新的变量通常需要调整网络的结构，重新定义条件概率，这可能相当复杂。

总结：选项 A 和 D 是正确的。贝叶斯信念网络的构建和调整比较麻烦，但其在推断和处理不完整数据时有独特的优势。